Apache版本的大数据组件

优点

完全开源，更新速度很快

大数据组件在部署过程中可以深刻了解其底层原理

可以了解各个组件的依赖关系

缺点

部署过程极其复杂，超过20个节点的时候，手动部署已经超级累 各个组件部署完成后，各个为政，没有统一化管理界面 组件和组件之间的依赖关系很复杂，一环扣一环，部署过程心累 各个组件之间没有统一的metric可视化界面，比如说hdfs总共占用的磁盘空间、IO、运行状况等 优化等需要用户自己根据业务场景进行调整（需要手工的对每个节点添加更改配置，效率极低，我们希望的是一个配置能够自动的分发到所有的节点上）

ClouderaManager管理的CDH版本大数据组件

Cloudera Manager是用于管理CDH群集的端到端应用程序。

缺点

server和agent需要占用额外的内存和cpu(server占用内存为2G，agent占用内存1G，总共cpu为0.5核)

对linux常用命令需要了解颇深

对hadoop的apache版本有一定的安装经验和调优经验

优点

统一的可视化界面

自动部署和配置，大数据各类组件(hadoop、hive、hue、kudu、impala、zookeeper等)安装、调优极其便捷

零停机维护（免费版本不具有弹性升级）

多用户管理（权限控制，支持ldap） 稳定性极好（部分优化措施都已经调整好）

应用场景

1. 适用于节点在5个以上、各类大数据服务超过5个的集群，因为有些小公司紧紧就用了hdfs、yarn、hive、spark几个服务，为了节省服务器等资源，不需要部署cm
2. 适用于所有的大数据公司
3. 适用于对于大数据组件版本不需要经常变动的公司，例如：有些公司就是喜欢钻研新技术，然后喜欢新版本，但是由于cm的免费版本不支持弹性升级，所以不建议喜欢新技术的公司用
4. 适用于运维人员，因为该平台安装好以后，维护工作相对来将就轻松许多，例如：使用apache版本的运维人员，对某一个组件进行调优，需要消耗半天的时间进行调整，效率极低；再比如安装1000个节点，需要手动部署，工作量可想而知

补充： cm在国内用户量很大，戴尔、一号店等知名公司都在使用 cm和ambari在主流的大数据平台框架中，用户量比例很高