2.1.2　MapReduce 2.0的优化

MapReduce 1.0的主要局限性体现在可靠性及可扩展性差、资源利用率低以及计算模式的单一等几方面。为此，人们将YARN引入MapReduce之中，将MapReduce 1.0中的资源管理功能交由YARN完成，进而提出了下一代MapReduce计算框架——MapReduce 2.0，如图2-1所示。MapReduce 2.0中资源管理和作业控制为两个独立的进程，不仅减轻了Master节点的负载，而且使MapReduce可以支持多种计算框架。

随着大数据时代的到来及计算技术的不断发展，人们针对不同需求提出了多种计算框架（MapReduce、Tez、Spark、Storm、Druid等，见表2-1），这些计算框架进一步呈现出相互集成的发展趋势。其中，MapReduce和Spark是现阶段最为广泛应用的计算框架。