我正在处理大量数据，我的输入数据大约是100 GB。我想选择其中一个hadoop发行版，但我不知道选择mapr集群还是cloudera集群。我想使用免费版本（mapr M3和使用hadoop 0.20的cloudera CDH4）。 哪个更好？我使用哪种配置，他们的工作效果最好？ 感谢。
答案 0 :(得分：2)
实际上，回答这个问题是这个世界上最常见的答案，取决于。这完全取决于您和您的要求。人们可能会发现一种特别的味道更适合他/她的需要，你可能会发现同样的味道没那么有用。此外，这完全取决于个人选择，就像我个人喜欢Apache的Hadoop一样。一切都很好。只是哪一个符合您的需求。
哪个更好？是一个有争议的话题。像这样的问题往往最终成为激烈的争论。例如，请参阅此question。所以，我不打算列出任何一方的优势。但是这些不同风格的Hadoop之间存在某些差异，这可能在您的思考过程中对您有所帮助。
CDH（Apache Hadoop）和MapR之间的主要区别在于MapR使用自己的专有文件系统 MapRFS 而不是HDFS。 M3版是免费的，可供无限制的生产使用。通过社区和MapR的论坛提供支持。 CDH是100％开源的，您可以免费使用Cloudera Manager的“标准”版本。而Apache，它就是Apache :)。做你想做的事。
MapR最近与Ubuntu操作系统背后的组织 Canonical 合作，努力通过其存储库使Hadoop成为Ubuntu的集成部分。该合作伙伴关系宣布，MapR的用于Apache Hadoop的M3版将打包并作为Ubuntu操作系统的集成部分提供下载（如果您需要更多信息，请参阅this）。源代码可在Github上找到。 CDH代码库与Apache相同，有一些自己的补丁。
但免费版缺少一些好的功能，如 JobTracker HA，NameNode HA，镜像，快照等。基于Hadoop-2.x的CDH4虽然为您提供了HA功能。凭借其设计，MapR没有任何SPOF，就像CDH3（或Hadoop-1.x）那样。 MapRFS将数据存储在卷中，概念上存储在分布在集群中的一组容器中。每个容器都包含自己的元数据，从而消除了中心NameNode单点故障。 API仍然与Apache Hadoop兼容。 MapR设置要求与Apache / CDH不同。例如，MapR要求原始卷可用于安装。一旦你有了正确的硬件和操作系统的先决条件，设置时间和评估时间应与Apache / CDH处于同一数量级。
恕我直言，M3不会给你带来比Apache / CDH更大的优势，因为M3免费版中没有一些引人注目的MapR功能，如 NFS-HA，Snapshots 等。
作为第一个，Cloudera在经验和稳固的客户群方面绝对具有额外的优势。但MapR在MapReduce和HDFS组件的重大变化方面变得更具创新性，以提高性能。
我会在一段时间之后再写一些，因为我正在打电话而你正在等待答案;）