在本文中，我们将详细讨论Hadoop 1.x和Hadoop 2.x之间的区别，Hadoop 1.x架构的缺点或者局限性以及Hadoop 2.x架构如何解决Hadoop 1.x局限性。

Apache Hadoop的最新版本是2.7.0。

Hadoop V.1.x组件

Apache Hadoop V.1.x具有以下两个主要组件

• HDFS(HDFS V1)
• MapReduce(MR V1)

在Hadoop V.1.x中，这两个也称为Hadoop的两个支柱。

Hadoop V.2.x组件

Apache Hadoop V.2.x具有以下三个主要组件

• HDFS V.2
• 纱(MR V2)
• MapReduce(MR V1)

在Hadoop V.2.x中，这两个也被称为Hadoop的三大支柱。

Hadoop 1.x限制

Hadoop 1.x具有许多局限性或者缺点。
Hadoop 1.x的主要缺点是其架构中的MapReduce组件。
这意味着它仅支持基于MapReduce的批处理/数据处理应用程序。

Hadoop 1.x具有以下局限性/缺点：

• 它仅适用于Hadoop系统中已经存在的大量数据的批处理。

• 它不适用于实时数据处理。

• 它不适用于数据流。

• 每个群集最多支持4000个节点。

• 它具有单个组件：JobTracker，可以执行许多活动，例如资源管理，作业计划，作业监视，重新计划作业等。

• JobTracker是单点故障。

• 它不支持多租户支持。

• 每个群集仅支持一个名称节点和一个名称空间。

• 它不支持水平可伸缩性。

• 它仅运行Map/Reduce作业。

• 它遵循HDFS中的插槽概念来分配资源(内存，内存，CPU)。
  它具有静态贴图和缩小插槽。
  这意味着，一旦将资源分配给Map/Reduce作业，即使某些插槽处于空闲状态，也无法重新使用它们。

For Example:- Suppose, 10 Map and 10 Reduce Jobs are running with 10 + 10 Slots to perform a computation. All Map Jobs are doing their tasks but all Reduce jobs are idle. We cannot use these Idle jobs for other purpose.

注意：-总之，Hadoop 1.x系统是一个单一目的系统。
我们只能将其用于基于MapReduce的应用程序。

Hadoop 1.x和Hadoop 2.x之间的差异

如果我们观察Hadoop 1.x和2.x的组件，则Hadoop 2.x体系结构具有一个另外的新组件：YARN(又是另一个资源协商器)。

它是BigData Hadoop系统的改变游戏规则的组件。

• 新组件和API

如下图所示，重新构建了Hadoop 1.x并引入了新组件来解决Hadoop 1.x的局限性。

• Hadoop 1.x作业跟踪器

如下图所示，Hadoop 1.x Job Tracker组件分为两个组件：

• 资源经理：

管理集群中的资源

• 应用主管：
  To manage applications like MapReduce, Spark etc.- Hadoop 1.x仅支持一个用于管理HDFS文件系统的名称空间，而Hadoop 2.x支持多个名称空间。

• Hadoop 1.x仅支持一种编程模型：MapReduce。
  Hadoop 2.x使用YARN组件支持多种编程模型，例如MapReduce，Interative，Streaming，Graph，Spark，Storm等。

• Hadoop 1.x在可伸缩性方面有很多限制。
  Hadoop 2.x通过新架构克服了这一限制。

• Hadoop 2.x具有多租户支持，但Hadoop 1.x没有。

• Hadoop 1.x HDFS使用固定大小的插槽机制进行存储，而Hadoop 2.x使用可变大小的容器。

• Hadoop 1.x每个群集最多支持4,000个节点，而Hadoop 2.x每个群集最多支持10,000个以上的节点。

Hadoop 2.x如何解决Hadoop 1.x局限性

Hadoop 2.x通过使用新架构解决了Hadoop 1.x的大多数限制。

• 通过将MapReduce组件职责分离为不同的组件。

• 通过引入用于资源管理的新YARN组件。

• 通过分离组件的职责，它支持多个名称空间，多租户，更高的可用性和更高的可伸缩性。

Hadoop 2.x YARN的优点

Hadoop 2.x YARN具有以下优点。

• 高度可扩展
• 高可用性
• 支持多种编程模型
• 支持多租户
• 支持多个命名空间
• 改进的集群利用率
• 支持水平可伸缩性