引言
随着企业数据化和Hadoop的应用越加广泛，hadoop1.x的框架设计越来越无法满足人们对需求，Apache一直在对Hadoop1.x进行修改，最后推出了新一代的Hadoop2.x。从业界使用分布式系统的变化趋势和 hadoop 框架的长远发展来看，MapReduce 的 JobTracker/TaskTracker 机制需要大规模的调整来修复它在可扩展性，内存消耗，线程模型，可靠性和性能上的缺陷。为从根本上解决旧 MapReduce 框架的性能瓶颈，促进 Hadoop 框架的更长远发展，从 0.23.0 版本开始，Hadoop 的 MapReduce 框架完全重构，发生了根本的变化。新的 Hadoop MapReduce 框架命名为 MapReduceV2 或者叫 Yarn。
一 hadoop1.0版本与2.0版本的差异
1.1 HDFS之间的差异
1.1.1 Hadoop1.x
在Hadoop1.x中，HDFS的采用Masters/Slaves的方式设计集群，通过NameNode和DataNode的方式管理集群。在整个Hadoop1.x HDFS中分为Namespace和BlockStorageServer两个部分。其中Namespace完全分布在NameNode节点中，Namespace其中包括了所有文件的元数据、images镜像和edits文件等。而BlockStorageServer分布则是分布在NameNode节点和Datanode节点上的，在NamNodee节点中存放了所有的Block与DataNode节点之间的对应关系。而在Block的内容数据则是在DataNode节点中分布式存放着。如图1，Hadoop1.x版本HDFS示意图所示。
图1 Hadoop1.x版本HDFS示意图
弊端：
1）因为NameNode节点是整个集群的中心，一旦NameNode发生宕机，将会导致整个集群的瘫痪，直到NameNode被重启以后问题才被解决。
2）NameNode节点的个数只有一个，单机的性能是有限的，并且NameNode中存放着有关DataNode节点的信息，因此在理论上无法实现横向无限性增加DataNode节点，这也就是为什么有NameNode最多支持4000个节点的由来。
1.1.2 Hadoop 2.x
Hadoop2.x实现联邦HDFS，即多个NameNode节点并存，并且每一个NameNode节点管理一个Namespace，如图2，Hadoop2.x的HDFS示意图所示。
图2 Hadoop2.x的HDFS示意图
Block Pool：block池，一个NameNode管理的所有的block节点，一个NameNode节点和去的Pool为一个管理单元，来管理自己的Block。
在联邦HDFS中，每个Namespace都有自己的Block管理，但这些Block全部存放在整个DataNode集群中，如上图所示，Namespace之间是相互隔离的，即使一个NameNode节点宕机，也不会影响到其他NameSpace，同时也不会影响到其管理的Datanodes中的Block。
优势：
（1）可以做到自由的横向无限制扩充DataNode节点。
（2）可以实现多个NameNode并发执行任务，提高HDFS系统的吞吐量
（3）安全性得到很大的提示，单个NameNode节点的崩溃不会导致整个系统的瘫痪。
1.2 MapReduce之间的区别
1.2.1 Hadoop1.x
Hadoop1.x运行MapReduce任务的流程为：
（1）Job Client提交任务给JobTracker（NameNode节点中），JobTracker向各个节点发出询问请求，查看每个DataNode节点中执行的Task（任务）的个数
（2）JobTrack收集DataNodes的信息，并对Job进行资源分配。
（3）将MapReduce任务所需的资源、信息等全部复制到Datanodes节点中。
（4）DataNode节点接受任务后，将本地的Block读取，并形成相应的Map和Reduce任务，这些任务的管理全部由DataNodes节点中的TaskTracker进行监督。如图3，MapReduce示意图所示。
图3 MapReduce示意图
从图中可知，JobTacker是整个Hadoop1.x MapReduce框架的中心，其承担的任务有：接受任务、计算资源、分配资源、与DataNode进行交流等功能。Hadoop1.x 框架在发布时收到很大的欢迎，但是随着需求越来越大，Hadoop1.x 的MapReduce（MapReduce v1）已经不能够胜任现在的需求，主要表现在以下几个问题：
（1）JobTracker是整个MapReduce v1的核心，存在单点故障。
（2）JobTracker管理整个MapReduce作业的任务，造成资源消耗，当map/reduce task过多的时候，JobTracker将会耗费大量内存，同时也增加Job Tracker fail的风险。
（3）JobTracker对DataNode进行资源询问，使用的Task的个数，为考虑内存和CPU的使用率等，如果将两个大内存的Map/reduce Task放在一个节点上执行，可能会出现内存溢出。
（4）代码层中的类有些超过3000行，导致整个类的任务不够明确，并且进行修改是任务量也巨大，因此增加了维护、开发人员进行修改的难度。
1.2.2 Hadoop2.x
为了应对越来越大的需求，已经MapReduce v1的弊端，Apache对MapReduce v2进行了重新设计，出现了MapReduce v2，也就是YARN框架。下面介绍一下YARN框架。如图4，YARN示意图所示。
图4 YARN示意图
名词解释：
ResourceManager：以下简称RM。YARN的中控模块，负责统一规划资源的使用。
NodeManager:以下简称NM。YARN的资源结点模块，负责启动管理container。
ApplicationMaster:以下简称AM。YARN中每个应用都会启动一个AM，负责向RM申请资源，请求NM启动container，并告诉container做什么事情。
Container：资源容器。YARN中所有的应用都是在container之上运行的。AM也是在container上运行的，不过AM的container是RM申请的。
（1）ResourceManager：在MapReduce v1中，JobTracker的任务有两个：资源管理和任务调度。而在YARN框架中，将JobTracker的两个核心任务进行分离，其中的资源管理形成新的ResourceManager。ResourceManager负责管理每个NodeManager节点所提供的资源状态（内存、CPU、磁盘和带宽等传统信息）。在MapReduce任务的时候，RM会精确计算每个整个集群的资源情况，已分配给该任务合适的资源。
（2）Container：对一个节点的内存、CPU等资源的描述的整体描述。
（3）ApplicationMaster：每一个MapReduce任务都对应着一个AM，AM负责向ResourceManager索要执行任务所需要的资源容器，根据进程的状态、管理进行和处理进程失败的原因。
（4）NodeManager：是一个机器框架的代理，是任务执行的容器，其管理着节点的诸多信息：例如内存、CPU、硬盘、网络等资源。
YARN相对于MapReduce v1的优势：
（1）JobTracker所承担的庞大负担被分割，分成了resourceManager和nodemanager。资源管理和任务调度分配在不同的节点，并且实现程序的分布化、最优化。
（2）ResourceManager资源分配不再凭借slot的个数，而是根据节点的内存是分配任务，使得负载均衡更在完善。
（3）ResourceManager节点上有一个ApplicationMasters进程，负责管理每个ApplicationMatser进程的状态，从而实现监督任务。
1.3 其它差异
MapReduce变成了和HBase和Hive等一样的YARN上面的一个应用；Hadoop1.x的默认块大小为64M，Hadoop2.x的默认块大小为128M；在2.x中除了datanode要向namenode报告status，nodemanager也要向ResourceManager报告status。
二、 Hadoop1.x升级Hadoop2.x实现
版本情况：老版本Hadoop1.0.3；新版本Hadoop2.6.4。
HOST信息：
升级所需下载安装包：
hadoop-2.6.4.tar.gz http://apache.opencas.org/hadoop/common/hadoop-2.6.4/hadoop-2.6.4.tar.gz
jdk-8u77-linux-x64.tar.gz：官网下载
包的放置路径：/usr/local/src/
创建新的HDFS系统目录和测试文件：
[[email protected] ~]# hadoop fs -mkdir /test
[[email protected] ~]# hadoop fs -put /home/hadoop/hadoop/conf/* /test/
解压jdk安装包（每个节点都要操作）：
[[email protected] ~]# cd /usr/local/src
[[email protected] ~]#tar zxvf jdk-8u77-linux-x64.tar.gz
备份旧的jdk（每个节点都要操作）：
[[email protected] ~]#mv /usr/local/jdk1.6 /usr/local/jdk1.6.bak
替换新的jdk版本（每个节点都要操作）：
[[email protected] ~]#mv jdk1.8.0_77 /usr/local/jdk/
修改jdk环境（每个节点都要操作）：
[[email protected] ~]#vim /etc/profile
更改JAVA_HOME
export JAVA_HOME=/usr/local/jdk
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin
[[email protected] ~]#source /etc/profile
验证jdk是否成功：
[[email protected] ~]#java –version
2.2 namenode节点操作
解压hadoop2.6的包：
[[email protected] ~]#tar zxvf hadoop-2.6.4.tar.gz
备份hadoop1.0（每个节点都操作）：
[[email protected] ~]#mkdir /home/hadoop/backup
[[email protected]~]#mv /home/hadoop/hadoop /home/hadoop/backup/
备份好集群namenode的元数据（${HADOOP_HOME}/conf/hdfs-site.xml中的dfs.name.dir所配置的文件夹）：
[[email protected] ~]#cp –r /data/work/hdfs/name /data/backup/hdfsname.20160418.bak
安装hadoop2.6：
[[email protected] ~]#mv /usr/local/src/hadoop-2.6.4 /home/hadoop/hadoop
[[email protected] ~]#chown -R hadoop.hadoop /home/hadoop/hadoop
切换到hadoop用户：
[[email protected] ~]#su – hadoop
修改用户环境（每个节点都操作）：
[hadoop@namenode ~]$vim /home/hadoop/.bash_profile
修改：
export HADOOP_HOME=/home/hadoop/hadoop
export PATH=$PATH:$HADOOP_HOME:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_HOME_WARN_SUPPRESS=1
export PATH
[hadoop@namenode ~]$source /home/hadoop/.bash_profile
p8
2.3 修改配置文件
[hadoop@namenode ~]$cd /home/hadoop/hadoop/etc/hadoop/
[hadoop@hadoop/ ~]$vim hadoop-env.sh
修改export JAVA_HOME=/usr/local/jdk
增加export HADOOP_PREFIX=/home/hadoop/hadoop
export HADOOP_HEAPSIZE=15000
[hadoop@hadoop/ ~]$vim yarn-env.sh
修改export JAVA_HOME=/usr/local/jdk
[hadoop@hadoop/ ~]$vim mapred-env.sh
修改export JAVA_HOME=/usr/local/jdk
[hadoop@hadoop/ ~]$vim hdfs-site.xml
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>dfs.namenode.http-address</name>
<value>namenode:50070</value>
<description> NameNode 通过当前参数 获得 fsimage 和 edits </description>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node2:50090</value>
<description> SecondNameNode 通过当前参数 获得最新的 fsimage </description>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
<description> 设定 HDFS 存储文件的副本个数，默认为3 </description>
</property>
<property>
<name>dfs.namenode.checkpoint.dir</name>
<value>file:///home/hadoop/hadoop2.2/hdfs/namesecondary</value>
<description> 设置 secondary 存放 临时镜像 的本地文件系统路径，如果这是一个用逗号分隔的文件列表，则镜像将会冗余复制到所有目录，只对 secondary 有效 </description>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///data/work/hdfs/name/</value>
<description> namenode 用来持续存放命名空间和交换日志的本地文件系统路径 </description>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///data/work/hdfs</value>
<description> DataNode 在本地存放块文件的目录列表，用逗号分隔 </description>
</property>
<property>
<name>dfs.stream-buffer-size</name>
<value>131072</value>
<description> 默认是4KB，作为hadoop缓冲区，用于hadoop读hdfs的文件和写
hdfs的文件，还有map的输出都用到了这个缓冲区容量，对于现在的硬件很保守，可以设置为128k
(131072),甚至是1M(太大了map和reduce任务可能会内存溢出) </description>
</property>
<property>
<name>dfs.namenode.checkpoint.period</name>
<value>3600</value>
<description> 两次 checkpoints 之间的间隔，单位为秒，只对 secondary 有效 </description>
</property>
</configuration>
[hadoop@hadoop/ ~]$vim mapred-site.xml
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
[hadoop@hadoop/ ~]$vim yarn-site.xml
<?xml version="1.0"?>
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
[hadoop@hadoop/ ~]$vim core-site.xml
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://namenode:9000/</value>
<description> 设定 namenode 的 主机名 及 端口 </description>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/tmp</value>
<description> 存放临时文件的目录 </description>
</property>
</configuration>
新建文件目录（所有节点操作）
$mkdir /home/hadoop/tmp
$mkdir /data/work/hdfs/namesecondary/
$chown -R hadoop.hadoop /home/hadoop/tmp/
$ chown -R hadoop.hadoop /data/work/hdfs/namesecondary/
启动hdfs
[hadoop@namenode ~]$tart-dfs.sh
[hadoop@namenode ~]$hadoop-daemon.sh start namenode -upgrade
重新启动所有守护线程
[hadoop@namenode ~]$stop-dfs.sh
[hadoop@namenode ~]$start-all.sh
查看元数据是否成功保留
[hadoop@namenode ~]$hadoop fs -ls /
成功之后停掉所有守护进程
[hadoop@namenode ~]$stop-all.sh
修改/home/hadoop/hadoop/etc/hadoop/slaves
[hadoop@namenode ~]$vim slaves
修改：
node1
node2
将hadoop文件拷贝给其它节点
[hadoop@namenode ~]$scp -r /home/hadoop/hadoop node2:/home/hadoop/hadoop/
[hadoop@namenode ~]$scp -r /home/hadoop/hadoop node1:/home/hadoop/hadoop/
Node1,2节点修改hadoop的目录权限
$chown -R hadoop.hadoop /home/hadoop/hadoop
namenode启动守护线程
[hadoop@namenode ~]$start-all.sh
namenode和datanode的dfs.namenode.name.dir目录下（本次实验中为/data/work/hdfs/name）会多出一个文件夹previous/或者通过jps查看信息
文件夹previous/，这是升级之前数据的备份，如果回滚也是需要有这个文件夹。