本節書摘來異步社群《hadoop海量資料處理：技術詳解與項目實戰（第2版）》一書中的第2章，第2.1節，作者： 範東來 責編： 楊海玲，更多章節内容可以通路雲栖社群“異步社群”公衆号檢視。
作為安裝hadoop的第一步，就是根據實際情況選擇最合适的hadoop版本。而目前由于hadoop的飛速發展，功能更新和錯誤修複在不斷地疊代着，是以hadoop的版本非常多，顯得有些雜亂。對于初學者來說，選擇一個合适的hadoop版本進行學習非常重要，本節主要理清各個hadoop版本之間的關系與不同。
在第1章中曾經提到過，cloudera是一家提供hadoop支援、咨詢和管理工具的公司，在hadoop生态圈具有舉足輕重的地位，它的拳頭産品就是著名的cloudera’s distribution for hadoop，簡稱cdh。該軟體同apache hadoop一樣，都是完全開源的，基于apache軟體許可證，免費為個人和商業使用。cloudera從一個穩定的apache hadoop的版本開始，連續不斷地釋出新版本并為舊版本打上更新檔，為各種不同的生産環境提供安裝檔案，在cloudera的團隊中，有許多apache hadoop的貢獻者，是以cloudera公司的實力毋庸置疑。
使用者一般安裝hadoop時，不僅隻安裝hdfs、mapreduce，還會根據需要安裝hive、hbase、sqoop等。cloudera将這些相關項目都內建在一個cdh的版本裡，目前cdh包括hadoop、hbase、hive、pig、sqoop、flume、zookeeper、oozie、mahout和hue等，幾乎完整覆寫了整個hadoop的生态圈。這樣做的好處是保證了元件之間的相容性，因為這些各個項目之間也存在完全獨立的版本，其各個版本與hadoop之間必然會存在相容性的問題。如果你選擇了cdh，那麼同一個cdh版本的元件之間将完全不存在相容性問題。
在編寫本書時，cdh最新的版本是cdh5，也是目前最主流的版本，它是基于apache hadoop 2.6。cdh還有兩個正式的大版本：cdh3和cdh4（cdh1和cdh2現在早已絕迹，cloudera公司也早已放棄支援），其中cdh3是一個非常經典的版本，它是基于apache hadoop 0.20.2的，這是cdh第一個真正意義上的穩定版，久經生産環境考驗，而cdh4是cdh5的過渡版，沒有真正意義上流行過。
cdh也會以壓縮包的形式釋出，可以在其官網下載下傳，cdh還提供yum、apt、zypper形式的安裝。
對于任何一個apache項目，所有的基礎特性均被添加到一個稱為“trunk”的主代碼線（main code line），hadoop也不例外。當需要開發某個重要的特性時，會專門從主代碼線中延伸出一個分支（branch），這被稱為一個候選釋出版（candidate release）。該分支将專注于開發該特性而不再添加其他新的特性，待基本bug修複之後，經過相關人士投票便會對外公開成為釋出版（release version），并将該特性合并到主代碼線中。需要注意的是，多個分支可能會同時進行研發，這樣，版本高的分支可能先于版本低的分支釋出。
目前hadoop的版本有如下幾個特性[4]。
（1）append：hdfs append支援對檔案追加，hdfs在設計之初的理念是“一次寫入，多次讀取”，但由于某些具有寫需求的應用使用hdfs作為底層存儲系統，如hbase的預寫日志（wal），是以hdfs加入了這一功能。
（2）security：hadoop缺乏自己的安全機制，該功能可以為hadoop增加基于kerberos和deletion token的安全機制。
（3）symlink：使hdfs支援符号連結，符号連結又叫軟連結，是一類特殊的檔案 ，這個檔案包含了另一個檔案的路徑名（絕對路徑 或者相對路徑 ），在對符号檔案 進行讀操作或寫操作時，系統會自動把該操作轉換為對源檔案 的操作，但删除連結檔案時，系統僅僅删除連結檔案，而不删除源檔案本身。
（4）mrv1：第一代mapreduce計算架構，通過mapreduce思想，将問題轉化為map和reduce兩個階段，基礎服務由jobtracker、tasktracker程序提供。
（5）yarn/mrv2：第一代mapreduce計算架構具有擴充性和多計算架構支援不足的缺點，針對這些，提出了全新的資源管理架構（yet another resource negotiator），通過這個元件，我們可以在共用底層存儲（hdfs）的情況下，計算架構采取可插拔式的配置。在mrv1中的jobtracker的資源管理和作業跟蹤的功能被分拆由resourcemanager和applicationmaster兩個元件來完成，增強了擴充性。
（6）namenode federation：在hadoop中，namenode儲存了所有檔案的中繼資料，是以其性能制約了整個hdfs叢集的擴充。基于此，namenode federation将namenode橫向擴充，每一個namenode儲存一部分中繼資料，即将中繼資料水準切分，彼此之間互相隔離，但共享底層的datanode存儲。
（7）namenode ha：在hadoop中，namenode還存在單點故障問題，當namenode出現故障時，叢集必須停止工作。namenode采取共享存儲的方案解決namenode的高可用性問題。
基于以上hadoop的特性衍生出的hadoop版本令人眼花缭亂，這也是由于功能更新和錯誤修複在不斷進行中。圖2-1所示為hadoop不同的版本分支。
（1）0.20.0～0.20.2：hadoop的0.20分支非常穩定，雖然看起來有些落後，但是經過生産環境考驗，是hadoop曆史上生命周期最長的一個分支，cdh3、cdh4雖然包含了0.21和0.22分支的新功能和更新檔，但都是基于此分支。
（2）0.20-append：0.20-append支援hdfs追加，由于該功能被認為是一個不穩定的潛在因素，是以它被單獨新開了一個分支，并且沒有任何新的hadoop的正式版基于此分支釋出。
（3）0.20-security：該分支基于0.20并支援kerberos認證。
（4）0.20.203～0.20.205：這些版本包括了security分支所帶功能，并且還包括錯誤修複和0.20分支的線上開發的改進。
（5）0.21.0：0.21是一個預研性質的版本，目的是強調那段時間開發的一些新功能，沒有security功能，但有append功能，不建議部署在生産環境。
（6）0.22.0：0.22.0包括hdfs的安全功能，并且更新不大。
（7）0.23.0：在2011年11月，hadoop 0.23釋出了，包括了append、security、yarn和hdfs federation功能，該版本被認為是2.0.0的預覽版本。
（8）1.0.0：1.0.0版本是基于0.20.205版本釋出，包括了security功能，是一個值得部署的穩定版本。但是從上面可以看出，1.0.0并不是包含了所有分支。
（9）2.0.0：2012年5月，基于0.23.0分支的2.0.0版本釋出，它包含了yarn，但移除了mrv1，相容了mrv1的api，但底層實作有明顯不同，需要經過大量測試才能被用于生産環境。cdh4是基于此版本，但cdh4還提供了mrv1的實作。
在本書第1版問世的時候，hadoop的版本還比較亂，各種分支、新特性各自為政，現在已經由cdh5統一了局面，目前國内大多采用cloudera的cdh5作為生産環境的hadoop版本，但每個版本各自的特性和功能還是有必要提一下的，如表2-1所示。
選擇hadoop的版本取決于使用者想要的功能和是否穩定，對于穩定的需求，一般就考慮cloudera的cdh。cdh有很多的更新檔和更新，穩定性很不錯。對于功能的需求，cdh幾乎包含了整個hadoop生态圈，能夠很好地為業務提供支援。cdh5是目前最穩定也是功能最全的cdh版本。
cdh5還包括了hive、hbase、sqoop等的cdh版，具體版本号如表2-2所示。表2-2的第二列前面的數字是社群版版本号，後面的數字是cdh的版本号。