【数盟致力于成为最卓越的数据科学社区，聚焦于大数据、分析挖掘、数据可视化领域，业务范围：线下活动、在线课程、猎头服务、项目对接】

Apachehadoop项目组最新消息，以后将会调整方案架构，将Mapreduce基于内存+io+磁盘，共同处理数据。

其实最大改变的是hdfs,hdfs通过最近black块计算，根据最近计算原则，本地black块，加入到内存，先计算，通过IO，共享内存计算区域，最后快速形成计算结果。

1.简介

是基于开发的，而在2015年4月已停止更新，这直接迫使Hadoop社区基于重新发布一个新的Hadoop版本，而这正是。

的alpha版预计今年夏天发布，GA版本11月或12月发布。

中引入了一些重要的功能和优化，包括HDFS可擦除编码、多Namenode支持、MRNativeTask优化、YARN基于cgroup的内存和磁盘IO隔离、YARNcontainerresizing等。

2.新特性

在功能和性能方面，对hadoop内核进行了多项重大改进，主要包括：

2.1HadoopCommon

（1）精简Hadoop内核，包括剔除过期的API和实现，将默认组件实现替换成最高效的实现（比如将FileOutputCommitter缺省实现换为v2版本，废除hftp转由webhdfs替代，移除Hadoop子实现序列化库

（2）Classpathisolation以防止不同版本jar包冲突，比如googleGuava在混合使用Hadoop、HBase和Spark时，很容易产生冲突。（）

（3）Shell脚本重构。对Hadoop的管理脚本进行了重构，修复了大量bug，增加了新特性，支持动态命令等。

2.2HadoopHDFS

（1）HDFS支持数据的擦除编码，这使得HDFS在不降低可靠性的前提下，节省一半存储空间。（）

（2）多NameNode支持，即支持一个集群中，一个active、多个standbynamenode部署方式。注：多ResourceManager特性在中已经支持。（）

2.3HadoopMapReduce

（1）Tasknative优化。为MapReduce增加了C/C++的mapoutputcollector实现（包括Spill，Sort和IFile等），通过作业级别参数调整就可切换到该实现上。对于shuffle密集型应用，其性能可提高约30%。（）

（2）MapReduce内存参数自动推断。在中，为MapReduce作业设置内存参数非常繁琐，涉及到两个参数：mapreduce.{map,reduce}.和mapreduce.{map,reduce}.，一旦设置不合理，则会使得内存资源浪费严重，比如将前者设置为4096MB，但后者却是“-Xmx2g”，则剩余2g实际上无法让javaheap使用到。（）

2.4HadoopYARN

（1）基于cgroup的内存隔离和IODisk隔离（）

（2）用curator实现RMleader选举（）

（3）containerresizing（）

（4）Timelineservernextgeneration（）

以下是的最新参数

HADOOP

MovetoJDK8+

ClasspathisolationonbydefaultHADOOP-11656

ShellscriptrewriteHADOOP-9902

MovedefaultportsoutofephemeralrangeHDFS-9427

HDFS

RemovalofhftpinfavorofwebhdfsHDFS-5570

SupportformorethantwostandbyNameNodesHDFS-6440

SupportforErasureCodesinHDFSHDFS-7285

YARN

MAPREDUCE

Deriveheapsizeormapreduce.*.

在HDFS-7285中,实现了ErasureCoding这个新功能.鉴于此功能还远没有到发布的阶段,可能后面此块相关的代码还会进行进一步的改造,因此只是做一个所谓的预分析,帮助大家提前了解Hadoop社区目前是如何实现这一功能的.本人之前也没有接触过ErasureCoding技术,中间过程也确实有些偶然,相信本文可以带给大家收获.

Erasurecoding纠删码技术简称EC,是一种数据保护技术.最早用于通信行业中数据传输中的数据恢复,是一种编码容错技术.他通过在原始数据中加入新的校验数据,使得各个部分的数据产生关联性.在一定范围的数据出错情况下,通过纠删码技术都可以进行恢复.下面结合图片进行简单的演示,首先有原始数据n个,然后加入m个校验数据块.如下图所示:

Parity部分就是校验数据块,我们把一行数据块组成为Stripe条带,每行条带由n个数据块和m个校验块组成.原始数据块和校验数据块都可以通过现有的数据块进行恢复,原则如下:

如果校验数据块发生错误,通过对原始数据块进行编码重新生成如果原始数据块发生错误,通过校验数据块的解码可以重新生成。

而且m和n的值并不是固定不变的，可以进行相应调整。可能有人会好奇，这其中到底是什么原理呢?其实道理很简单，你把上面这图看成矩阵，由于矩阵的运算具有可逆性，所以就能使数据进行恢复，给出一张标准的矩阵相乘图，大家可以将二者关联。

3.总结