由於Hadoop版本混亂多變，因此，Hadoop的版本選擇問題一直令很多初級用戶苦惱。本文總結了Apache Hadoop和Cloudera Hadoop的版本衍化過程，並給出了選擇Hadoop版本的一些建議。
1. Apache Hadoop
1.1 Apache版本衍化
截至目前（2012年12月23日），Apache Hadoop版本分為兩代，我們將第一代Hadoop稱為Hadoop 1.0，第二代Hadoop稱為Hadoop 2.0。第一代Hadoop包含三個大版本，分別是0.20.x，0.21.x和0.22.x，其中，0.20.x最后演化成1.0.x，變成了穩定版，而0.21.x和0.22.x則NameNode HA等新的重大特性。第二代Hadoop包含兩個版本，分別是0.23.x和2.x，它們完全不同於Hadoop 1.0，是一套全新的架構，均包含HDFS Federation和YARN兩個系統，相比於0.23.x，2.x增加了NameNode HA和Wire-compatibility兩個重大特性。
經過上面的大體解釋，大家可能明白了Hadoop以重大特性區分各個版本的，總結起來，用於區分Hadoop版本的特性有以下幾個：
（1）Append 支持文件追加功能，如果想使用HBase，需要這個特性。
（2）RAID 在保證數據可靠的前提下，通過引入校驗碼較少數據塊數目。詳細鏈接：
https://issues.apache.org/jira/browse/HDFS/component/12313080
（3）Symlink 支持HDFS文件鏈接，具體可參考： https://issues.apache.org/jira/browse/HDFS-245
（4）Security Hadoop安全，具體可參考：https://issues.apache.org/jira/browse/HADOOP-4487
（5） NameNode HA 具體可參考：https://issues.apache.org/jira/browse/HDFS-1064
（6） HDFS Federation和YARN
需要注意的是，Hadoop 2.0主要由Yahoo獨立出來的hortonworks公司主持開發。
1.2 Apache版本下載
（1） 各版本說明：http://hadoop.apache.org/releases.html。
（2） 下載穩定版：找到一個鏡像，下載stable文件夾下的版本。
（3） Hadoop最全版本：http://svn.apache.org/repos/asf/hadoop/common/branches/，可直接導到eclipse中。
2. Cloudera Hadoop
2.1 CDH版本衍化
Apache當前的版本管理是比較混亂的，各種版本層出不窮，讓很多初學者不知所措，相比之下，Cloudera公司的Hadoop版本管理的要很多。
我們知道，Hadoop遵從Apache開源協議，用戶可以免費地任意使用和修改Hadoop，也正因此，市面上出現了很多Hadoop版本，其中比較出名的一是Cloudera公司的發行版，我們將該版本稱為CDH（Cloudera Distribution Hadoop）。截至目前為止，CDH共有4個版本，其中，前兩個已經不再更新，最近的兩個，分別是CDH3（在Apache Hadoop 0.20.2版本基礎上演化而來的）和CDH4在Apache Hadoop 2.0.0版本基礎上演化而來的），分別對應Apache的Hadoop 1.0和Hadoop 2.0，它們每隔一段時間便會更新一次。
Cloudera以patch level划分小版本，比如patch level為923.142表示在原生態Apache Hadoop 0.20.2基礎上添加了1065個patch（這些patch是各個公司或者個人貢獻的，在Hadoop jira上均有記錄），其中923個是最后一個beta版本添加的patch，而142個是穩定版發行后新添加的patch。由此可見，patch level越高，功能越完備且解決的bug越多。
Cloudera版本層次更加清晰，且它提供了適用於各種操作系統的Hadoop安裝包，可直接使用apt-get或者yum命令進行安裝，更加省事。
2.2 CDH版本下載
（1） 版本含義介紹：
https://ccp.cloudera.com/display/DOC/CDH+Version+and+Packaging+Information
（2）各版本特性查看：
https://ccp.cloudera.com/display/DOC/CDH+Packaging+Information+for+Previous+Releases
（3）各版本下載：
CDH3：http://archive.cloudera.com/cdh/3/
CDH4：http://archive.cloudera.com/cdh4/cdh/4/
注意，Hadoop壓縮包在這兩個鏈接中的最上層目錄中，不在某個文件夾里，很多人進到鏈接還找不到安裝包！
3. 如何選擇Hadoop版本
當前Hadoop版本比較混亂，讓很多用戶不知所措。實際上，當前Hadoop只有兩個版本：Hadoop 1.0和Hadoop 2.0，其中，Hadoop 1.0由一個分布式文件系統HDFS和一個離線計算框架MapReduce組成，而Hadoop 2.0則包含一個支持NameNode橫向擴展的HDFS，一個資源管理系統YARN和一個運行在YARN上的離線計算框架MapReduce。相比於Hadoop 1.0，Hadoop 2.0功能更加強大，且具有更好的擴展性、性能，並支持多種計算框架。
當我們決定是否采用某個軟件用於開源環境時，通常需要考慮以下幾個因素：
（1）是否為開源軟件，即是否免費。
（2） 是否有穩定版，這個一般軟件官方網站會給出說明。
（3） 是否經實踐驗證，這個可通過檢查是否有一些大點的公司已經在生產環境中使用知道。
（4） 是否有強大的社區支持，當出現一個問題時，能夠通過社區、論壇等網絡資源快速獲取解決方法。
考慮到以上幾個因素，我們分析一下開源軟件Hadoop。對於Hadoop 2.0而言，目前尚不穩定，無法用於生產環境，因此，如果當前你正准備使用Hadoop，那么只能從Hadoop 1.0中選擇一個版本，而目截至目前（2012年12月23日），Apache和Cloudera最新的穩定版分別是Hadoop 1.0.4和CDH3U4，因此，你可以從中任選一個使用。如今Hadoop 2.0已經發布了最新的穩定版2.2.0，推薦使用該版本，具體介紹可閱讀：“Hadoop 2.0穩定版本2.2.0新特性剖析”，升級方法可參考：“Hadoop升級方案（二）：從Hadoop 1.0升級到2.0（1）”。
原創文章，轉載請注明： 轉載自董的博客
本文鏈接地址: http://dongxicheng.org/mapreduce-nextgen/how-to-select-hadoop-versions/