Hadoop版本选择

刚开始学习Hadoop时就曾经一直抱怨Hadoop的安装部署为什么这么麻烦，对于一个新手需要捯饬一天才能把分布式环境安装配置好。而对于一个自学Hadoop而周围又没人交流的菜鸟来说，我对Hadoop的理解一直停留在很肤浅的层面，能应用，但对内部的原理知之甚少。最近和一个做这方面的朋友聊天，他问我你学习Hadoop是用的什么版本搭建环境，我说Hadoop版本那么多我也记不太清了，他只是笑笑就没再多问。

回来后我又仔细想了想他问的话，不会是问的别的意思吧，难道Hadoop不是只分1.0.x和2.x这些杂七杂八的版本？上网一搜才感觉这下丢人丢大发了，原来Hadoop除了Apache这个版本，还有这么多第三方的版本，而且已经很好地解决了Hadoop部署管理复杂的问题。所以在此记录一下，也给新人提个醒。

目前Hadoop的发行版除了Apache的开源版本之外，还有华为发行版、Intel发行版、Cloudera发行版(CDH)、Hortonworks发行版（HDP）、MapR等，所有这些发行版均是基于Apache Hadoop衍生出来的，因为Apache Hadoop的开源协议允许任何人对其进行修改并作为开源或者商业产品发布。

国内大多数公司发行版是收费的，比如Intel发行版、华为发行版等。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。

Apache社区版本优缺点

优点:

• 完全开源免费
• 社区活跃
• 文档、资料详实

缺点：

• 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。
• 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。
• 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。
• 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（如CDH，HDP，MapR等）优缺点

优点:

• 基于Apache协议，100%开源。
• 版本管理清晰。比如Cloudera，CDH1，CDH2，CDH3，CDH4，CDH5等，后面加上补丁版本，如CDH4.1.0 patch level 923.142，表示在原生态Apache Hadoop 0.20.2基础上添加了1065个patch。
• 比Apache Hadoop在兼容性、安全性、稳定性上有增强。第三方发行版通常都经过了大量的测试验证，有众多部署实例，大量的运行到各种生产环境。
• 版本更新快。通常情况，比如CDH每个季度会有一个update，每一年会有一个release。
• 基于稳定版本Apache Hadoop，并应用了最新Bug修复或Feature的patch
• 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。
• 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:

• 涉及到厂商锁定的问题。（可以通过技术解决）

总结

综上所述，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。大家也可以详细对比优缺点，根据自己的需要做选择。