一个 Hadoop 老兵的自白

Apache Hadoop 是一个免费软件，但实际上，除非是拥有庞大工程师团队的大公司，否则最好不要去创建仅供内部使用的 Hadoop 版本，因为如果要购买技术支持，那 Hadoop 就不是免费的了。 Jim Scott 是 MapR 企业战略 & 架构部门的负责人。2009 年，他接触了自己的第一个 Hadoop 版本 Cloudera 。他发现，Apache Hadoop 平台存在一些固有的设计缺陷。近日，他从以下几个方面分析了这些缺陷，并介绍了 MapR 的解决方案。

Append-only 文件访问方式

HDFS 的 Append-only 文件访问方式是一个巨大的障碍，导致下游项目不得不解决这个问题。例如， HBase 就实现了“墓碑化（Tombstoning）”和“合并（Compactions）”功能。但是，如果这些动作发生在负载高峰期，会严重影响生产系统的性能。MapR 通过创建 MapR-DB 解决了该问题。MapR-DB 模仿了谷歌的 BigTable ，支持 HBase API，是一个零管理实时数据库。

系统集成

HDFS 不兼容 POSIX 和 NFS 。要查看 HDFS 中的文件，只能通过 HDFS 命令行接口来查询。 MapR-FS 是一个操作系统级的文件系统，兼容 POSIX。查看该分布式文件系统中的文件，只需要使用 LS 命令。编辑其中的文件，也不需要专门的工具。Linux 中任何可以读写 NFS 系统的应用程序都可以读写 MapR-FS。

备份 & 恢复

Apache Hadoop 在灾难恢复和备份方面存在严重不足。Hadoop 的数据复制可以有效应对磁盘故障，但对数据损坏和人为错误无能为力。谨慎起见，在向生产环境部署新软件之前，需要生成一个数据快照。但是，Apache Hadoop 的快照只是一个元数据副本。而 MapR 快照则近乎是数据的瞬时拷贝，即使文件正在被写入也可以生成。并且，用户还可以生成 MapR-DB 表的快照。

维护 & 升级

任何优秀的企业应用程序都离不开维护、管理和升级，Hadoop 也不例外。但 Hadoop 的升级维护可能会非常麻烦。MapR 每次发布都会针对许多开源软件项目的多个版本进行测试。它是唯一一个支持在同一个集群上运行软件的不同版本的 Hadoop 版本。

开源软件选择

在使用 Hadoop 的时候，相关开源软件的选择是个难题。MapR 支持开放式 API，提供了一个无偏见的 Hadoop 开源软件集合，使用户能够选择自己需要的开源项目。

此外，Jim 还提到，NameNode 是个单点故障点。感兴趣的读者可以进一步阅读。

对 MapR 感兴趣的读者，可以下载 MapR M3 社区版本，免费体验 MapR 的性能。

感谢魏星对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们，并与我们的编辑和其他读者朋友交流（欢迎加入 InfoQ 读者交流群（已满），InfoQ 读者交流群（#2））。