在Cloudera公司最新发布的CDH5(基于apache hadoop 2.2.0)中,自带了YARN HA实现,尽管该版本目前为beta版,但考虑到该方案采用了Hadoop 2.0中自带的HA框架实现(HDFS HA和MapReduce HA均采用该框架实现),因此,具有一定通用性,本文将介绍CDH5-beta中的YARN HA实现。

DistCp是Apache Hadoop自带的工具,目前存在两个版本,distcp1和distcp2,fastcopy是Facebook Hadoop中自带的,相比于Distcp,它能明显加快同节点数据拷贝速度,尤其是Hadoop 2.0稳定版发布后,当需要在不同NameNode间(HDFS Federation)迁移数据时,FastCopy将发挥它的最大用武之地。

大家都知道hadoop 1.0中存在的问题,比如HDFS中NameNode单点故障,NameNode内存受限制约集群扩展性,MapReduce中的JobTracker单点故障,无法支持多种计算框架等,而在最新发布的hadoop 2.0稳定版hadoop 2.2.0中,这些问题都貌似得到了完美的解决,那么,我们是否可认为hadoop 2.0是一个非常完美的系统,不再存在任何问题了呢?本文尝试回答这个问题。