[Hadoop系列]Changes of Hadoop 0.20笔记

最近学习hadoop 0.20.1，网上找到一篇文章《What’s New in Hadoop Core 0.20 》，非完整的给翻译了一下，为以后检索方便，发上来保存一份。如果能读懂英文的，千万不要看下面的中文。

 

　　Hadoop Core 0.20.0在2009年4月22日发布。这一发布相对0.19发布，有很多用户使用层面上的改变。

Core
　　Hadoop中两个主要的组件是分布式文件系统（HDFS）和MapReduce，那两个组件分别挪入各自的子项目中，因此他们能拥有自己的发布周期，并且更容易对开发进行管理。但是在0.20发布中，这两个组件还是在一起发布。在这次发布中，hadoop-size.xml被拆分成三个配置文件：core-site.xml、hdfs-site.xml和mapred-site.xml（HADOOP-4631 ）。你也可以继续使用单一的hadoop-site.xml，hadoop仅仅会提出一个警告而已。默认配置文件已经移出conf文件夹，转而放到.jar文件中，其内容可以看docs文件夹中的html文件。不赞成start-all.sh、stop-all.sh的使用，建议使用start-dfs.sh、start-mapred.sh、stop-dfs.sh、stop-mapred.sh来代替。
　　上面说的是一些主要的变化，而允许slaves文件中加注注释（HADOOP-4454 ）对实际操作更为有用。
　　Hadoop配置文件支持Xinclude元素，用于引入其他的配置文件(HADOOP-4944(url:https://issues.apache.org/jira/browse/HADOOP-4944))。这一机制能让配置文件更加模块化、更易于重用。
　　围绕安全问题，hadoop作出了一系列动作。其中0.20.0增加了service-level authorization (HADOOP-4348 )。开发人员能够限制客户端与hadoop daemons的通信。
　　LZO compression libraries 因为许可的原因移出了hadoop core，如果你的代码使用GPL许可证，你还是能从hadoop-gpl-compression项目中得到LZO。

HDFS
　　HSFS append 从0.19.1开始默认disable。
　　hadoop增加了一个新的管理命令：hadoop dfsadmin -saveNamespace 。在安全模式下，这个命令能让namenode转存namespace到磁盘。

MapReduce
　　在这一发布中，最大的变化是加入了一个叫“Context Objects”的新Java API。把Mapper和Reduce通过引入Context Object变成抽象类（不是接口），是为了让API将来更易于演进。
　　1.JobConf不再存在，Job配置信息由Configuration持有；
　　2.现在在map()或reduce()方法中，更容易得到job配置信息。仅需要调用context.getConfiguration()。
　　3.新的API支持pull形式的迭代。在此之前，如果你想在mapper中遍历一下记录，你不得不把他们保存到Mapper类的实例变量中。在新的API中，只需要调用nextKeyValue()即可。
　　4.你还能覆盖run()方法，来控制mapper如何运行。
　　5.新API中不再有IdentityMapper和IdentityReducer两个类，因为默认Mapper和Reducer执行了标识函数。
　　新的API并非向后兼容，所以你必须重写你的应用。注意，新的API在org.apache.hadoop.mapreduce包及其子包中，而旧的API在org.apache.hadoop.mapred。
　　Multiple task assignment ，这一优化让JobTracker在一次心跳周期内能分配给tasktracker多个任务，提高了利用率。同时引入mapred.reduce.slowstart.completed.maps新的配置参数（默认0.05）。
　　Input formats 增加了一些有意思的改进。FileInputFormat在选择那个主机有更多的需要分割的文件上做的更好。在另一方面0.20引入了CombineFileInputFormat类，他能把许多小文件变成一个split。
　　Gridmix2是第二代MapReduce工作量基准模型套件。

Contrib
　　两个新捐献的模块在0.20分支中出现：
　　HDFS Proxy ，他能暴露HDFS一个只读的HSFTP接口，用于提供安全的、只读的访问。
　　Vaidya ，这是一个工具，用于在MapReduce job运行后通过检查作业历史和配置信息来诊断错误。针对常见的问题能提供一些改进意见，使得你的代码能避免出错。