1.hadoop 1.0.0 Դ?源码?
2.Hadoop各个版本之间有什么区别？
3.Hadoop，MapReduce，YARN和Spark的区别与联系
4.Hadoop如何处理?如何增强Hadoop 安全?

hadoop 1.0.0 Դ??

       在apache上下载的hbase，默认的源码编译版本是根据hadoop-1.0.3的。需要用其他版本的源码hadoop的，要对hbase进行重新编译。源码编译并不难，源码但是源码年涨幅源码第一次，还是源码出了很多很多状况。PS：HBase版本：hbase-0..1hadoop版本2.0.，源码下载maven。源码（hbase是源码用maven编译的，hadoop用ant）2，源码hbase的源码收藏网源码pom.xml里面hadoop2.0用的是2.0.0-alpha，编辑pom.xml，源码把2.0.0-alpha改成：2.0.0-alpha。源码3，源码到hbase-0..1的安装目录下，执行如下语句：Shell代码${ MAVEN_HOME}/bin/mvn-e-Dmaven.test.skip.exec=true-Dhadoop.profile=2.0package然后就是等待了，大概讲下各个参数的含义：-e编译时打印出详细错误信息-Dmaven.test.skip.exec=true编译时跳过测试步骤-Dhadoop.profile=2.0编译时使用hadoop.profile2.0，也就是针对2.0的hadoop编译。4，然后就是到target路径下找hbase-0..1.tar.gz的包，用这个包部署。

Hadoop各个版本之间有什么区别？

       Hadoop的江西爱车网源码不同版本主要分为开源社区版和商业版，以及根据版本号划分的三个主要系列：1.x、2.x和3.x。社区版由Apache软件基金会维护，如Hadoop.apache.org，而商业版则由诸如Cloudera、MapR和HortonWorks等公司基于社区版进行定制和优化。

       1.x系列以Hadoop 1.0为代表，包含HDFS和MapReduce，但架构较旧，已被淘汰。Hadoop 2.0引入了YARN和增强的股东总户数源码MapReduce，提供更好的扩展性和性能，支持多种计算框架，是更推荐的版本。Hadoop 3.0在2.0基础上进行了功能升级，尽管可能在一些组件上还未完全成熟。

       课程中采用的是Apache Hadoop 3.3.0，它包含HDFS和YARN集群，以及MapReduce编程框架。集群由HDFS（NameNode, DataNode, SecondaryNameNode）和YARN（ResourceManager, NodeManager）组成，用于数据存储和资源调度。Hadoop的net远控源码部署方式包括单机模式（独立模式和伪分布式模式）以及生产环境的群集模式。

       在生产环境中，重新编译Hadoop可能出于使用本地库或自定义需求，而Hadoop安装包的目录结构包括bin（脚本）、etc（配置文件）、include（头文件）、lib（动态库和静态库）、libexec（服务配置）、sbin（管理脚本）和share（jar包）等部分。

Hadoop，MapReduce，YARN和Spark的区别与联系

       ã€€ã€€ï¼ˆ1） Hadoop 1.0

       ã€€ã€€ç¬¬ä¸€ä»£Hadoop，由分布式存储系统HDFS和分布式计算框架MapReduce组成，其中，HDFS由一个NameNode和多个DataNode组成，MapReduce由一个JobTracker和多个TaskTracker组成，对应Hadoop版本为Hadoop 1.x和0..X，0..x。

       ã€€ã€€ï¼ˆ2） Hadoop 2.0

       ã€€ã€€ç¬¬äºŒä»£Hadoop，为克服Hadoop 1.0中HDFS和MapReduce存在的各种问题而提出的。针对Hadoop 1.0中的单NameNode制约HDFS的扩展性问题，提出了HDFS Federation，它让多个NameNode分管不同的目录进而实现访问隔离和横向扩展；针对Hadoop 1.0中的MapReduce在扩展性和多框架支持方面的不足，提出了全新的资源管理框架YARN(Yet Another Resource Negotiator)，它将JobTracker中的资源管理和作业控制功能分开，分别由组件ResourceManager和ApplicationMaster实现，其中，ResourceManager负责所有应用程序的资源分配，而ApplicationMaster仅负责管理一个应用程序。对应Hadoop版本为Hadoop 0..x和2.x。

       ã€€ã€€ï¼ˆ3） MapReduce 1.0或者MRv1（MapReduceversion 1）

       ã€€ã€€ç¬¬ä¸€ä»£MapReduce计算框架，它由两部分组成：编程模型（programming model）和运行时环境（runtime environment）。它的基本编程模型是将问题抽象成Map和Reduce两个阶段，其中Map阶段将输入数据解析成key/value，迭代调用map()函数处理后，再以key/value的形式输出到本地目录，而Reduce阶段则将key相同的value进行规约处理，并将最终结果写到HDFS上。它的运行时环境由两类服务组成：JobTracker和TaskTracker，其中，JobTracker负责资源管理和所有作业的控制，而TaskTracker负责接收来自JobTracker的命令并执行它。

       ã€€ã€€ï¼ˆ4）MapReduce 2.0或者MRv2（MapReduce version 2）或者NextGen MapReduc

       ã€€ã€€MapReduce 2.0或者MRv2具有与MRv1相同的编程模型，唯一不同的是运行时环境。MRv2是在MRv1基础上经加工之后，运行于资源管理框架YARN之上的MRv1，它不再由JobTracker和TaskTracker组成，而是变为一个作业控制进程ApplicationMaster，且ApplicationMaster仅负责一个作业的管理，至于资源的管理，则由YARN完成。

       ã€€ã€€ç®€è€Œè¨€ä¹‹ï¼ŒMRv1是一个独立的离线计算框架，而MRv2则是运行于YARN之上的MRv1。

       ã€€ã€€ï¼ˆ5）Hadoop-MapReduce（一个离线计算框架）

       ã€€ã€€Hadoop是google分布式计算框架MapReduce与分布式存储系统GFS的开源实现，由分布式计算框架MapReduce和分布式存储系统HDFS（Hadoop Distributed File System）组成，具有高容错性，高扩展性和编程接口简单等特点，现已被大部分互联网公司采用。

       ã€€ã€€ï¼ˆ6）Hadoop-YARN(Hadoop 2.0的一个分支，实际上是一个资源管理系统)

       ã€€ã€€YARN是Hadoop的一个子项目（与MapReduce并列），它实际上是一个资源统一管理系统，可以在上面运行各种计算框架（包括MapReduce、Spark、Storm、MPI等）。

       ã€€ã€€

       ã€€ã€€å½“前Hadoop版本比较混乱，让很多用户不知所措。实际上，当前Hadoop只有两个版本：Hadoop 1.0和Hadoop 2.0，其中，Hadoop 1.0由一个分布式文件系统HDFS和一个离线计算框架MapReduce组成，而Hadoop 2.0则包含一个支持NameNode横向扩展的HDFS，一个资源管理系统YARN和一个运行在YARN上的离线计算框架MapReduce。相比于Hadoop 1.0，Hadoop 2.0功能更加强大，且具有更好的扩展性、性能，并支持多种计算框架。

       ã€€ã€€

       ã€€ã€€Borg/YARN/Mesos/Torca/Corona一类系统可以为公司构建一个内部的生态系统，所有应用程序和服务可以“和平而友好”地运行在该生态系统上。有了这类系统之后，你不必忧愁使用Hadoop的哪个版本，是Hadoop 0..2还是 Hadoop 1.0，你也不必为选择何种计算模型而苦恼，因此各种软件版本，各种计算模型可以一起运行在一台“超级计算机”上了。

       ã€€ã€€ä»Žå¼€æºè§’度看，YARN的提出，从一定程度上弱化了多计算框架的优劣之争。YARN是在Hadoop MapReduce基础上演化而来的，在MapReduce时代，很多人批评MapReduce不适合迭代计算和流失计算，于是出现了Spark和Storm等计算框架，而这些系统的开发者则在自己的网站上或者论文里与MapReduce对比，鼓吹自己的系统多么先进高效，而出现了YARN之后，则形势变得明朗：MapReduce只是运行在YARN之上的一类应用程序抽象，Spark和Storm本质上也是，他们只是针对不同类型的应用开发的，没有优劣之别，各有所长，合并共处，而且，今后所有计算框架的开发，不出意外的话，也应是在YARN之上。这样，一个以YARN为底层资源管理平台，多种计算框架运行于其上的生态系统诞生了。

       ã€€ã€€

       ã€€ã€€ç›®å‰spark是一个非常流行的内存计算（或者迭代式计算，DAG计算）框架，在MapReduce因效率低下而被广为诟病的今天，spark的出现不禁让大家眼前一亮。

       ã€€ã€€ä»Žæž¶æž„和应用角度上看，spark是一个仅包含计算逻辑的开发库（尽管它提供个独立运行的master/slave服务，但考虑到稳定后以及与其他类型作业的继承性，通常不会被采用），而不包含任何资源管理和调度相关的实现，这使得spark可以灵活运行在目前比较主流的资源管理系统上，典型的代表是mesos和yarn，我们称之为“spark on mesos”和“spark on yarn”。将spark运行在资源管理系统上将带来非常多的收益，包括：与其他计算框架共享集群资源；资源按需分配，进而提高集群资源利用率等。

       ã€€ã€€FrameWork On YARN

       ã€€ã€€è¿è¡Œåœ¨YARN上的框架，包括MapReduce-On-YARN, Spark-On-YARN, Storm-On-YARN和Tez-On-YARN。

       ã€€ã€€ï¼ˆ1）MapReduce-On-YARN：YARN上的离线计算；

       ã€€ã€€ï¼ˆ2）Spark-On-YARN：YARN上的内存计算；

       ã€€ã€€ï¼ˆ3）Storm-On-YARN：YARN上的实时/流式计算；

       ã€€ã€€ï¼ˆ4）Tez-On-YARN：YARN上的DAG计算

Hadoop如何处理?如何增强Hadoop 安全?

       Hadoop是由Apache软件基金会开源的一个分布式计算系统，它能在普通服务器集群上实现大数据的存储、处理和分析。该平台允许用户编写分布式应用程序，这些程序能够在成千上万的普通硬件服务器上并行运行，从而充分利用集群的处理能力来处理海量数据。Hadoop的第一个版本0..1于年由雅虎发布；年，雅虎利用Hadoop实现了全网范围的搜索；年，雅虎将Hadoop的内部版本开源，随后IBM加入了Hadoop的开发；年，Facebook宣布其运行的是世界上最大的Hadoop集群；年，Apache发布了Hadoop 1.0版本；年，Hadoop升级到2.0版本。

       Hadoop的架构设计用于支持大规模数据的处理。它由多个组件组成，包括HBase、Hive、Pig、Chukwa、Oozie和ZooKeeper等，其中核心组件是HDFS（Hadoop分布式文件系统）和MapReduce。HDFS是一个构建在JAVA之上的分布式文件系统，它负责存储集群中的文件，并由NameNode和DataNode两个主要节点组成。MapReduce是一个基于Google核心计算模型的编程框架，它抽象了在大规模集群上运行的并行计算过程，将问题分解成可并行处理的小任务，再将结果汇总。

       HDFS采用master/slave架构，NameNode作为中心服务器管理文件系统的命名空间和客户端的访问，而DataNode负责存储数据和执行数据块的操作。文件在HDFS中以数据块的形式存在，每个数据块都有唯一ID，并存储在多个DataNode上。NameNode负责维护文件系统目录树信息、文件与数据块的映射关系以及块的位置信息。MapReduce通过JobTracker和TaskTracker进程实现任务的分配和执行。

       Hadoop的安全性问题在过去一直被关注。在Hadoop 1.0.0版本之前，系统缺乏安全机制，如用户到服务的认证、服务到服务的认证、数据节点的授权等。自年起，Apache开始增强Hadoop的安全特性，以解决这些潜在的安全隐患。在后续的版本中，Hadoop逐渐增加了安全功能，但在升级到这些版本时，可能需要重新审视和调整现有的应用程序以确保兼容性。