hadoop商业版本的选择介绍

记得刚接触到hadoop的时候跟大部分人一样都会抱怨hadoop的安装部署问题，对于一个新手来说这这的是个头疼的问题，可能需要花费一整天的时间才能把分布式环境安装配置好。在刚接触hadoop的一段时间里，可以说对于hadoop的理解一直都是停留在相对较肤浅的层面。后来随着自己的不断摸索以及向圈内的前辈大神请教交流（主要是向大神请教学来的），自己对于hadoop的认识以及应用也就更加娴熟。

作为一个过来人，在这里给新人分享一些关于hadoop版本选择的问题，希望别像我当时傻乎乎的只知道hadoop有1.0.x和2.x版本。

当前hadoop的发行版本除了Apache的开元版本之外，华为发行版、Intel发行版以及Cloudera发行版等。上面说的这几个第三方的发行版已经有相对较长的一些时间，除此之外还有最近几年异军突起的DKhadoop商业发行版。

国内的大多数公司推出的Hadoop发行版都是收费的，免费的发行版则主要是国外的，比如Apache的发行版、Cloudera发行版等。面对如此多的hadoop版本不免会让人难以选择。下面我们就简单对比一些这些不同版本的优缺点，希望对于新手能够有所帮助。

Apache发行版：

优点：Apache发行版的优点主要集中表现在它的完全开源免费、社区活跃性以及文档、资料详实等方面。

缺点：Apache发行版的缺点也相对较多，具体表现在以下几个方面：

1. 复杂的版本管理。版本管理比较混乱，各种版本层出不穷，让使用者不知所措。
2. 复杂的集群部署、安装、配置。通常按照集群需要编写大量的配置文件，分发到每一台节点上，容易出错，效率低下。
3. 复杂的集群运维。对集群的监控，运维，需要安装第三方的其他软件，如ganglia，nagois等，运维难度较大。
4. 复杂的生态环境。在Hadoop生态圈中，组件的选择、使用，比如Hive，Mahout，Sqoop，Flume，Spark，Oozie等等，需要大量考虑兼容性的问题，版本是否兼容，组件是否有冲突，编译是否能通过等。经常会浪费大量的时间去编译组件，解决版本冲突问题。

第三方发行版本的优缺点：（如CDH，HDP，MapR等）

优点：第三方发行版本的优点主要有以下几个：

1. 基于Apache协议，100%开源；
2. 相较于原生的hadoop在兼容性、安全型以及稳定性方面有所提升；
3. 版本管理清晰，更新更快；
4. 提供了部署、安装、配置工具，大大提高了集群部署的效率，可以在几个小时内部署好集群；
5. 运维简单。提供了管理、监控、诊断、配置修改的工具，管理配置方便，定位问题快速、准确，使运维工作简单，有效。

缺点：第三方hadoop发行版的主要缺点就是涉及到厂商锁定的问题，但这一问题可以通过技术方面解决掉。

DKhadoop发行版：

Dkhadoop发行版是我目前接触的以及使用一个版本。与市场的其他第三方的发行版本相比较，整合程度要更高，但同样也保持了开源系统的全部优点。综合目前使用的情况看，在性能上相较于以往使用的一些第三方hadoop发行版要提升很多的！关于DKhadoop发行版的问题，感兴趣的可以自己去查阅收集一些资料看看。