Hadoop0.20更新筆記
本節向大家介紹一下Hadoop0.20更新的內容，在學習Hadoop的過程中你可能會遇到這方面的問題，在這里和大家分享一下，相信通過本節的介紹大家對Hadoop0.20更新有一定的認識。下面是詳細介紹。
Hadoop0.20更新筆記
最近學習hadoop0.20.1，網上找到一篇文章《What’sNewinHadoopCore0.20》，非完整的給翻譯了一下，為以后檢索方便，發上來保存一份。如果能讀懂英文的，千萬不要看下面的中文。
HadoopCore0.20.0在2009年4月22日發布。這一發布相對0.19發布，有很多用戶使用層面上的改變。
Core
Hadoop中兩個主要的組件是分布式文件系統（HDFS）和MapReduce，那兩個組件分別挪入各自的子項目中，因此他們能擁有自己的發布周期，并且更容易對開發進行管理。但是在0.20發布中，這兩個組件還是在一起發布。在這次發布中，hadoop-size.xml被拆分成三個配置文件：core-site.xml、hdfs-site.xml和mapred-site.xml（HADOOP-4631）。你也可以繼續使用單一的hadoop-site.xml，hadoop僅僅會提出一個警告而已。默認配置文件已經移出conf文件夾，轉而放到.jar文件中，其內容可以看docs文件夾中的html文件。不贊成start-all.sh、stop-all.sh的使用，建議使用start-dfs.sh、start-mapred.sh、stop-dfs.sh、stop-mapred.sh來代替。
上面說的是一些主要的變化，而允許slaves文件中加注注釋（HADOOP-4454）對實際操作更為有用。
Hadoop配置文件支持Xinclude元素，用于引入其他的配置文件(HADOOP-4944(url:https://issues.apache.org/jira/browse/HADOOP-4944))。這一機制能讓配置文件更加模塊化、更易于重用。
圍繞安全問題，hadoop作出了一系列動作。其中0.20.0增加了service-levelauthorization(HADOOP-4348)。開發人員能夠限制客戶端與hadoopdaemons的通信。
LZOcompressionlibraries因為許可的原因移出了hadoopcore，如果你的代碼使用GPL許可證，你還是能從hadoop-gpl-compression項目中得到LZO。
HDFS
HSFSappend從0.19.1開始默認disable。
hadoop增加了一個新的管理命令：hadoopdfsadmin-saveNamespace。在安全模式下，這個命令能讓namenode轉存namespace到磁盤。
MapReduce
在Hadoop0.20更新中，***的變化是加入了一個叫“ContextObjects”的新JavaAPI。把Mapper和Reduce通過引入ContextObject變成抽象類（不是接口），是為了讓API將來更易于演進。
1.JobConf不再存在，Job配置信息由Configuration持有；
2.現在在map()或reduce()方法中，更容易得到job配置信息。僅需要調用context.getConfiguration()。
3.新的API支持pull形式的迭代。在此之前，如果你想在mapper中遍歷一下記錄，你不得不把他們保存到Mapper類的實例變量中。在新的API中，只需要調用nextKeyValue()即可。
4.你還能覆蓋run()方法，來控制mapper如何運行。
5.新API中不再有IdentityMapper和IdentityReducer兩個類，因為默認Mapper和Reducer執行了標識函數。
新的API并非向后兼容，所以你必須重寫你的應用。注意，新的API在org.apache.hadoop.mapreduce包及其子包中，而舊的API在org.apache.hadoop.mapred。
Multipletaskassignment，這一優化讓JobTracker在一次心跳周期內能分配給tasktracker多個任務，提高了利用率。同時引入mapred.reduce.slowstart.completed.maps新的配置參數（默認0.05）。
Inputformats增加了一些有意思的改進。FileInputFormat在選擇那個主機有更多的需要分割的文件上做的更好。在另一方面0.20引入了CombineFileInputFormat類，他能把許多小文件變成一個split。
Gridmix2是第二代MapReduce工作量基準模型套件。
Contrib
兩個新捐獻的模塊在0.20分支中出現：
HDFSProxy，他能暴露HDFS一個只讀的HSFTP接口，用于提供安全的、只讀的訪問。
Vaidya，這是一個工具，用于在MapReducejob運行后通過檢查作業歷史和配置信息來診斷錯誤。針對常見的問題能提供一些改進意見，使得你的代碼能避免出錯。本節關于Hadoop0.20更新介紹到這里。
【編輯推薦】
