【大数据技术】操作系统和Hadoop版本选择

1.操作系统选择

Hadoop产品是由Java语言开发的，所以推荐的是Linux操作系统，理由很简单开源免费，推荐的操作系统CentOS。

• CentOS是一个基于Red Hat 企业级 Linux 提供的可自由使用的源代码企业级的 Linux 发行版本。
• CentOS两年发行一次新版本，每个版本都会获得7年的支持（通过安全更新方式），大概6个月更新一次小版本，以便支持新的硬件。
• CentOS独有的yum命令支持在线升级，可以即时更新系统，完全免费。

2.Hadoop版本

不收费的Hadoop版本主要有国外的四个，分别是Apache基金会hadoop、Cloudera版本（CDH）、Hortonworks版本（HDP）、MapR版本。对于国内而言，绝大多数选择CDH版本。

• Apache社区版本：最原始的版本，所有发行版均基于这个版本进行改进
• Cloudera版本：Cloudera’s Distribution Including Apache Hadoop，简称CDH
• Hortonworks版本：Hortonworks Data Platform，简称“HDP”
• MapReduce版本

（1）Hortonworks

主打产品是Hortonworks Data Platform (HDP)，也同样是100%开源的产品，HDP除了常见的项目外还包含了Ambari，一款开源的安装和管理系统。HCatalog，一个元数据管理系统。

（2）Cloudera

最成型的发行版本，拥有最多的部署案例。提供强大的部署、管理和监控工具。Cloudera开发并贡献了可实时处理大数据的Impala项目。

（3）MapR

为了获取更好的性能和易用性而支持本地Unix文件系统而不是HDFS（使用非开源的组件），可以使用本地Unix命令来代替Hadoop命令。MapR还凭借诸如快照、镜像或有状态的故障恢复之类的高可用性特性来与其他竞争者相区别。

3.选择决定

当我们决定是否采用某个软件用于开源环境时，通常需要考虑以下几个因素：

（1）是否为开源软件，即是否免费。

（2）是否有稳定版，这个一般软件官方网站会给出说明。

（3）是否经实践验证，这个可通过检查是否有一些大点的公司已经在生产环境中使用知道。

（4）是否有强大的社区支持，当出现一个问题时，能够通过社区、论坛等网络资源快速获取解决方法。

考虑到大数据平台高效的部署和安装，中心化的配置管理，使用过程中的稳定性、兼容性、扩展性，以及未来较为简单、高效的运维，遇到问题低廉的解决成本。建议使用第三方发行版本，其中在第三发发行版中，国内应用较多的是Cloudera的CDH。

参考文档：

大数据系列（1）——Hadoop集群坏境搭建配置

初学者有关Hadoop版本选择的考虑