hadoop3新特性，Apache hadoop 項目組最新消息，hadoop3.x以後將會調整方案架構，將Mapreduce 基於內存+io+磁盤，共同處理數據。
其實最大改變的是hdfs,hdfs 通過最近black塊計算，根據最近計算原則，本地black塊，加入到內存，先計算，通過IO，共享內存計算區域，最後快速形成計算結果。
Hadoop 2.0是基於JDK 1.7開發的，而JDK 1.7在2015年4月已停止更新，這直接迫使Hadoop社區基於JDK 1.8重新發布一個新的Hadoop版本，而這正是hadoop 3.0。
Hadoop 3.0的alpha版預計今年夏天發布，GA版本11月或12月發布。
Hadoop 3.0中引入了一些重要的功能和優化，包括HDFS 可擦除編碼、多Namenode支持、MR Native Task優化、YARN基於cgroup的內存和磁盤IO隔離、YARN container resizing等。
Hadoop 3.0在功能和性能方面，對hadoop內核進行了多項重大改進，主要包括：
2.1 Hadoop Common
（1）精簡Hadoop內核，包括剔除過期的API和實現，將默認組件實現替換成最高效的實現（比如將FileOutputCommitter缺省實現換為v2版本，廢除hftp轉由webhdfs替代，移除Hadoop子實現序列化庫org.apache.hadoop.Records
（2）Classpath isolation以防止不同版本jar包沖突，比如google Guava在混合使用Hadoop、HBase和Spark時，很容易產生沖突。（https://issues.apache.org/jira/browse/HADOOP-11656）
（3）Shell腳本重構。 Hadoop 3.0對Hadoop的管理腳本進行了重構，修復了大量bug，增加了新特性，支持動態命令等。https://issues.apache.org/jira/browse/HADOOP-9902
2.2 Hadoop HDFS
（1）HDFS支持數據的擦除編碼，這使得HDFS在不降低可靠性的前提下，節省一半存儲空間。（https://issues.apache.org/jira/browse/HDFS-7285）
（2）多NameNode支持，即支持一個集群中，一個active、多個standby namenode部署方式。注：多ResourceManager特性在hadoop 2.0中已經支持。（https://issues.apache.org/jira/browse/HDFS-6440）
2.3 Hadoop MapReduce
（1）Tasknative優化。為MapReduce增加了C/C++的map output collector實現（包括Spill，Sort和IFile等），通過作業級別參數調整就可切換到該實現上。對於shuffle密集型應用，其性能可提高約30%。（https://issues.apache.org/jira/browse/MAPREDUCE-2841）
（2）MapReduce內存參數自動推斷。在Hadoop 2.0中，為MapReduce作業設置內存參數非常繁瑣，涉及到兩個參數：mapreduce.{map,reduce}.memory.mb和mapreduce.{map,reduce}.java.opts，一旦設置不合理，則會使得內存資源浪費嚴重，比如將前者設置為4096MB，但後者卻是“-Xmx2g”，則剩余2g實際上無法讓java heap使用到。（https://issues.apache.org/jira/browse/MAPREDUCE-5785）
2.4 Hadoop YARN
（1）基於cgroup的內存隔離和IO Disk隔離（https://issues.apache.org/jira/browse/YARN-2619）
（2）用curator實現RM leader選舉（https://issues.apache.org/jira/browse/YARN-4438）
（3）containerresizing（https://issues.apache.org/jira/browse/YARN-1197）
（4）Timelineserver next generation （https://issues.apache.org/jira/browse/YARN-2928）
以下是hadoop-3.0的最新參數
Classpath isolation on by default HADOOP-11656
Shell script rewrite HADOOP-9902
Move default ports out of ephemeral range HDFS-9427
HDFSRemoval of hftp in favor of webhdfs HDFS-5570
Support for more than two standby NameNodes HDFS-6440
Support for Erasure Codes in HDFS HDFS-7285
YARNMAPREDUCEDerive heap size or mapreduce.*.memory.mb automatically MAPREDUCE-5785
在HDFS-7285中,實現了Erasure Coding這個新功能.鑒於此功能還遠沒有到發布的階段,可能後面此塊相關的代碼還會進行進一步的改造,因此只是做一個所謂的預分析,幫助大家提前了解Hadoop社區目前是如何實現這一功能的.本人之前也沒有接觸過Erasure Coding技術,中間過程也確實有些偶然,相信本文可以帶給大家收獲.
Erasure coding糾刪碼技術簡稱EC,是一種數據保護技術.最早用於通信行業中數據傳輸中的數據恢復,是一種編碼容錯技術.他通過在原始數據中加入新的校驗數據,使得各個部分的數據產生關聯性.在一定范圍的數據出錯情況下,通過糾刪碼技術都可以進行恢復.下面結合圖片進行簡單的演示,首先有原始數據n個,然後加入m個校驗數據塊.如下圖所示:
Parity部分就是校驗數據塊,我們把一行數據塊組成為Stripe條帶,每行條帶由n個數據塊和m個校驗塊組成.原始數據塊和校驗數據塊都可以通過現有的數據塊進行恢復,原則如下:
如果校驗數據塊發生錯誤,通過對原始數據塊進行編碼重新生成如果原始數據塊發生錯誤, 通過校驗數據塊的解碼可以重新生成。
而且m和n的值並不是固定不變的，可以進行相應調整。可能有人會好奇，這其中到底是什麼原理呢? 其實道理很簡單，你把上面這圖看成矩陣，由於矩陣的運算具有可逆性，所以就能使數據進行恢復，給出一張標准的矩陣相乘圖，大家可以將二者關聯。
Hadoop 3.0的alpha版預計今年夏天發布，GA版本11月或12月發布。
Hadoop 3.0中引入了一些重要的功能和優化，包括HDFS 可擦除編碼、多Namenode支持、MR Native Task優化、YARN基於cgroup的內存和磁盤IO隔離、YARN container resizing等。
