现在hadoop的版本比较乱,常常搞不清楚版本之间的关系,下面简单的摘要了,apache hadoop和cloudera hadoop 的版本的演化.

apache hadoop官方给出的版本说明是:

1.0.X - current stable version, 1.0 release

1.1.X - current beta version, 1.1 release

2.X.X - current alpha version

0.23.X - simmilar to 2.X.X but missing NN HA.

0.22.X - does not include security

0.20.203.X - old legacy stable version

0.20.X - old legacy version

下图来自http://blog.cloudera.com/blog/2012/01/an-update-on-apache-hadoop-1-0/

可以简单说明apache hadoop和cloudera hadoop版本之间的变化关系

0.20.x版本最后演化成了现在的1.0.x版本

0.23.x版本最后演化成了现在的2.x版本

hadoop 1.0 指的是1.x(0.20.x),0.21,0.22

hadoop 2.0 指的是2.x,0.23.x

CDH3,CDH4分别对应了hadoop1.0 hadoop2.0

董的博客有2篇文章也很清晰的解释了,hadoop版本以及各自的版本特性:

http://dongxicheng.org/mapreduce-nextgen/how-to-select-hadoop-versions/

http://dongxicheng.org/mapreduce-nextgen/hadoop-2-0-terms-explained/

最后给出常见的下载hadoop不同版本的地址:

http://archive.apache.org/dist/hadoop/core/

http://archive.cloudera.com/cdh/3/

http://archive.cloudera.com/cdh4/cdh/4/

另外附注一个 hadoop各商业发行版的比较:

http://www.xiaohui.org/archives/795.html

hadoop有两个分支：0.20.x 和0.23.x。其中0.20.x是比较稳定的版本，0.23.x中新特性更多，但相对不稳定。

其中从0.20.x 分支发展出来的是：hadoop1.0，CDH3

从0.23.x 分支发展出来的是：hadoop-alpha，CDH4

下面具体说hadoop1.0、2.0 和CDH3、CDH4：

Apache Hadoop 2012年10月02日发布了 2.0 的第二个 Alpha 版本，版本号 2.0.2。该版本在 2000 个节点的集群上进行测试，目前开发团队的主要工作是处理无共享存储下的 HDFS HA ，还包括 YARN ResourceManager 以及调度方面的改进（YARN 是下一代的 MapReduce 实现）。

2011年12月27日顶级Apache开源项目Hadoop发布了1.0.0版。Hadoop是前雅虎开发者Doug Cutting开发的分布式计算平台，名字源于玩具象，至今已被数千家公司用于分析大容量数据。Hadoop 1.0.0主要是修正了bug，改进了性能和兼容性。它的上一个版本是0.20.205.0，新版的版本号原是 0.20.205.1，但开发者表示，Hadoop已经成熟几年前就做好了应用于生产的准备，但有些客户在采用前希望看到版本号是1.0，所以他们决定直接跳到了1.0。

cloudera CDH3基于hadoop稳定版0.20.2，并集成很多补丁（patch）

CDH4是基于Hadoop0.23的，但是它采用新的MapReduce，即MapReduce2.0，又叫Yarn。

CDH4的安装要求：64位的Red Hat Enterprise Linux5.7，CentOS5.7，Oracle Linux5.6,32位或64位的Red Hat Enterprise Linux6.2和CentOS6.2等

目前hadoop有2个开源版本，一个是Apache的版本，另一个是Cloudera在Apache的基础上进行优化的版本，也称为CDH3版。

两个版本的对比情况如下：

	CDH3 版本	Apache 版本	描述
Hadoop Common	●	●	The common utilities that support the other Hadoop subprojects.
Hadoop Distributed File System (HDFS）	●	●	A distributed file system that provides high-throughput access to application data.
Hadoop MapReduce	●	●	A software framework for distributed processing of large data sets on compute clusters.
Flume	●		A distributed, reliable, and available service for efficiently moving large amounts of data as the data is produced.
Sqoop	●		A tool that imports data from relational databases into Hadoop clusters.
Hue	●		A graphical user interface to work with CDH.
Pig	●	●	A high-level data-flow language and execution framework for parallel computation.Enables you to analyze large amounts of data using Pig's query language called Pig Latin.
Hive	●	●	A data warehouse infrastructure that provides data summarization and ad hoc querying. A powerful data warehousing application built on top of Hadoop which enables you to access your data using Hive QL, a language that is similar to SQL.
HBase	●

ITPub博客

hadoop的版本问题