新的Hadoop不僅能夠進一步刺激為Hadoop編寫應(yīng)用程序，同時也將在Hadoop內(nèi)創(chuàng)造全新的數(shù)據(jù)處理方法，這在此前的架構(gòu)限制下是根本不可能實現(xiàn)的?？傊?，這是好東西。

一直以來是什么限制著Hadoop的發(fā)展?更重要的是，Hadoop的未來發(fā)展會是怎樣?

對于Hadoop的各種批評主要圍繞在其擴展限制，而這里最大的問題是其工作處理。Hadoop中的所有工作都是通過被稱為JobTracker的守護程序進行批處理，這制造了一個可擴展性和處理速度的瓶頸。

而在Hadoop 2，這種JobTracker的方法已經(jīng)消失。Hadoop使用了全新的工作處理框架，使用兩個守護程序：ResourceManager—管理系統(tǒng)中的所有工作，以及NodeManager—在每個Hadoop節(jié)點上運行，并讓ResourceManager知道節(jié)點上發(fā)生的情況。每個正在運行的應(yīng)用程序也有自己的管理程序—ApplicationMaster。

MapReduce也與之前完全不同，Apache給了它一個全新的名稱：YARN，或者Yet Another Resource Negotiator,另一種資源協(xié)調(diào)者，新的MapReduce運行作為其很多可能的組件之一。事實上，Apache聲稱，任何分布式應(yīng)用程序都可以在YARN上運行，雖然需要一些移植。為此，Apache提供了一份與YARN兼容的應(yīng)用程序列表，例如社會圖標(biāo)分析系統(tǒng)Apache Giraph(Facebook在使用)。

Apache明智地決定不破壞向后兼容性，因此，MapReduce 2仍然將采用相同的API，現(xiàn)有的工作只需要重新編譯就能正常工作。

YARN讓Hadoop可以與其他Apache項目實現(xiàn)更多的跨平臺兼容性，來處理大數(shù)據(jù)。如果你使用其中一個平臺，那么使用其他平臺就會變得更加容易。Hadoop的這種改進將幫助推動Apache的其他項目。

這里最大的改進就是，MapReduce本身成為通過Hadoop挖掘數(shù)據(jù)的很多方式的一種。Apache自己的Spark(移植到Y(jié)ARN的另一種方式)可能比MapReduce更適合某些類型的工作，Hadoop 2給了你更多選擇，讓你選擇最合適的引擎。

兩個大型供應(yīng)商Cloudera和Hortonworks對于YARN的重要性有著共同的看法，雖然他們從完全不同的方向使用Hadoop。Cloudera的Impala允許對HDFS存儲的數(shù)據(jù)運行低延遲性SQL查詢，這使其非常適合實時分析;而Hortonworks選擇使用Apache的原生Hive技術(shù)，該技術(shù)非常適合大數(shù)據(jù)倉庫操作(例如有很多連接型操作的長時間運行的查詢)

移植應(yīng)用程序到Y(jié)ARN并不是簡單的工作，Hadoop在這方面帶來的回報將取決于YARN在新框架內(nèi)的部署情況。Cloudera和Hortonworks都是Hadoop 2的堅實支持者，他們并沒有轉(zhuǎn)向其他技術(shù)或者堅持上一代技術(shù)，從這一點來看，Hadoop 2并不只是煙霧或者上一代的鏡像。