【Hadoop代码笔记】Hadoop作业提交之JobTracker等相关功能模块初始化

2022-11-18 20:31:03

一、概要描述

本文重点描述在JobTracker一端接收作业、调度作业等几个模块的初始化工作。想过模块的介绍会在其他文章中比较详细的描述。受理作业提交在下一篇文章中会进行描述。

为了表达的尽可能清晰一点只是摘录出影响逻辑流转的主要代码。重点强调直接的协作调用，每个内部完成的逻辑（一直可以更细的说明、有些细节可能自己也理解并不深刻:-(）在后续会描述。

主要包括JobTracker、TaskScheduler（此处以FairScheduler为例）、JobInProgressListener（以用的较多的EagerTaskInitializationListener为例）、TaskSelector(以最简单的DefaultTaskSelector为例)等。

二、流程描述

1 JobTracker 的main函数中调用其startTracker方法。

2. 在mai函数中调用offerService，启动各个子服务项（大部分形态都是线程，有些是其他的初始化，如taskScheduler）

3 在startTracker中调用其构造函数，在构造函数中对其中重要的属性根据配置进行初始化。()个人感觉再构造中设置scheduler，在statTracker调用构造的下一句有给Scheduler传JobTracker的引用，有点不自然)

4. 在offerService()中启动taskSchedulerexpireTrackersThread retireJobsThread expireLaunchingTaskThread completedJobsStoreThread interTrackerServer等几个线程来共同完成服务。同时调用TaskScheduler的start方法进行初始化。

5. 在FairScheduler调度器的start方法中调用EagerTaskInitializationListenerr的start方法来初始化EagerTaskInitializationListener

6. . 在FairScheduler调度器的start方法中调用DefaultTaskSelector的start方法来初始化DefaultTaskSelector，因为该类实现的TaskSelector太简单，start方法里也没有做任何事情。

三、代码详述

1. JobTracker 的入口main函数。主要是实例化一个JobTracker类，然后调用offerService方法做事情。

在Jobtracker的main函数中去掉记日志和异常捕获外关键代码就一下两行。

JobTracker tracker = startTracker(new JobConf());

tracker.offerService();

2. JobTracker 的startTracker方法。调用JobTracker的构造函数，完成初始化工作。

 JobTracker result = null;

       while (true) {

      try {

        result = new JobTracker(conf);

        result.taskScheduler.setTaskTrackerManager(result);

        Thread.sleep(1000);

    }

      JobEndNotifier.startNotifier();

       return result;

3. JobTracker的构造方法JobTracker(JobConf conf)。是一个有两三屏的长的方法。值得关注下，当然jobtracker服务运维的有些部分会适当忽略，着重看处理作业的部分。(其实这样的说法也不太对，Jobtracker的主要甚至是唯一的作用就是处理提交的job)

主要的工作有：

1)创建一个初始化一个队列管理器，一个HadoopMapReduce作业可以配置一个或者多个Queue，依赖于其使用的作业调度器Scheduler

2)根据配置创建一个调度器

3)创建一个RPC Server,其中handlerCount是RPC server服务端处理请求的Handler线程的数量，默认是10。详细机制参照RPC机制描述。

4)创建一个创建一个HttpServer，用于JobTracker的信息发布。

5)创建一个RecoveryManager，用于JobTracker重启时候恢复

6)创建一个CompletedJobStatusStore，用户持久化作业状态。

//初始化一个队列管理器，一个HadoopMapReduce作业可以配置一个或者多个Queue，依赖于其使用的作业调度器Scheduler

queueManager = new QueueManager(this.conf);   
// 根据 conf的配置创建一个调度器

Class<? extends TaskScheduler> schedulerClass = conf.getClass("mapred.jobtracker.taskScheduler",JobQueueTaskScheduler.class, TaskScheduler.class);

taskScheduler = (TaskScheduler) ReflectionUtils.newInstance(schedulerClass, conf);

//创建一个RPC Server，作用见上节详细描述

InetSocketAddress addr = getAddress(conf);

this.localMachine = addr.getHostName();

this.port = addr.getPort();

int handlerCount = conf.getInt("mapred.job.tracker.handler.count", 10);

//其中handlerCount是RPC server服务端处理请求的Handler线程的数量，默认是10

this.interTrackerServer = RPC.getServer(this, addr.getHostName(), addr.getPort(), handlerCount, false, conf);

//创建一个HttpServer

infoServer = new HttpServer("job", infoBindAddress, tmpInfoPort, tmpInfoPort == 0, conf);

infoServer.addServlet("reducegraph", "/taskgraph", TaskGraphServlet.class);

infoServer.start();

//用于重启时候恢复

recoveryManager = new RecoveryManager();

//初始化 the job status store，用户持久化作业状态

  completedJobStatusStore = new CompletedJobStatusStore(conf,fs);

4. Jobtracker的offerService方法。把她相关的子服务（大部分是线程）启动，其他的相关的初始化。

1）启动任务调度器。

2）在每次启动时候，恢复需要恢复的作业

3）启动expireTrackersThread，其实是启动ExpireTrackers类型的一个线程。this.expireTrackersThread = new Thread(this.expireTrackers, expireTrackers");

4）启动retireJobsThread ，其实是启动RetireJobs类型的一个线程.删除完成的过期job
5）启动expireLaunchingTaskThread，查分配的task未返回报告的使之为过期。
6）启动CompletedJobStatusStore，负责job信息的持久化或者读出。

7）启动RPC 服务，接收客户端端的RPC请求

//启动任务调度器。

taskScheduler.start();

//恢复需要恢复的作业,不深入进行看了。

recoveryManager.recover();

//启动expireTrackersThread，其实是启动ExpireTrackers类型的一个线程。this.expireTrackersThread = new Thread(this.expireTrackers, expireTrackers");

this.expireTrackersThread.start();

//启动retireJobsThread ，其实是启动RetireJobs类型的一个线程.删除完成的过期job

this.retireJobsThread = new Thread(this.retireJobs, "retireJobs");

this.retireJobsThread.start();

//检查分配的task未返回报告的使之为过期。

expireLaunchingTaskThread.start();

//启动CompletedJobStatusStore，负责job信息的持久化或者读出。

completedJobsStoreThread.start();

//启动RPC 服务，接收客户端端的RPC请求

this.interTrackerServer.start();

5. TaskScheduler（FairScheduler）的Start方法。Scheduler相关的初始化。

1)调用用EagerTaskInitializationListener的Start方法，启动一个守护线程来初始化其jobInitQueue中的Job（JobInprogress）
2)向taskTrackerManager（其实就是JobTracker）注册JobInProgressListener，响应Job相关的动作，如典型的jobAdded方法。eagerInitListener响应JobAdded方法，是把加入的job放到自己的管理的队列中，启动线程去初始化；jobListener是该类的内部类，其jobAdded方法是构造job的调度信息JobInfo，并把每个job和对应的调度信息加入到实例变量Map<JobInProgress, JobInfo> infos中，供调度时使用。
3)初始化PoolManager
4)根据配置，初始化一个LoadManager，在scheduler中决定某个tasktracker是否可以得到一个新的Task，不同的LoadManager有不同的算法。一般默认的是CapBasedLoadManager，根据每个Node的最大可接受数量平均分配。

5)构造一个TaskSelector
6) 一个线程调用FairScheduler的update方法来以一定间隔来更新作业权重、运行待运行的task数等状态信息以便FairScheduler调度用。
7) 注册到infoserver中，可以通过web查看其信息。

// 1)调用用EagerTaskInitializationListener的Start方法，启动一个守护线程来初始化其jobInitQueue中的Job（JobInprogress）

        Configuration conf = getConf();

        this.eagerInitListener = new EagerTaskInitializationListener(conf);

        eagerInitListener.start();

        // 2)向taskTrackerManager（其实就是JobTracker）注册JobInProgressListener，响应Job相关的动作，如典型的jobAdded方法。eagerInitListener响应JobAdded方法，是把加入的job放到自己的管理的队列中，启动线程去初始化；jobListener是该类的内部类，其jobAdded方法是构造job的调度信息JobInfo，并把每个job和对应的调度信息加入到实例变量Map<JobInProgress,

        // JobInfo> infos中，供调度时使用。

        taskTrackerManager.addJobInProgressListener(eagerInitListener);

        taskTrackerManager.addJobInProgressListener(jobListener);

        // 3)初始化PoolManager

        poolMgr = new PoolManager(conf);

        // 4)根据配置，初始化一个LoadManager，在scheduler中决定某个tasktracker是否可以得到一个新的Task，不同的LoadManager有不同的算法。一般默认的是CapBasedLoadManager，根据每个Node的最大可接受数量平均分配。

        loadMgr = (LoadManager) ReflectionUtils.newInstance(conf.getClass(

                "mapred.fairscheduler.loadmanager", CapBasedLoadManager.class,

                LoadManager.class), conf);

        loadMgr.setTaskTrackerManager(taskTrackerManager);

        loadMgr.start();

        // 5)构造一个TaskSelector

        taskSelector = (TaskSelector) ReflectionUtils.newInstance(conf

                .getClass("mapred.fairscheduler.taskselector",

                        DefaultTaskSelector.class, TaskSelector.class), conf);

        taskSelector.setTaskTrackerManager(taskTrackerManager);

        taskSelector.start();

        Class<?> weightAdjClass = conf.getClass(

                "mapred.fairscheduler.weightadjuster", null);

        if (weightAdjClass != null) {

            weightAdjuster = (WeightAdjuster) ReflectionUtils.newInstance(

                    weightAdjClass, conf);

        }

        assignMultiple = conf.getBoolean("mapred.fairscheduler.assignmultiple",

                false);

        sizeBasedWeight = conf.getBoolean(

                "mapred.fairscheduler.sizebasedweight", false);

        initialized = true;

        running = true;

        lastUpdateTime = clock.getTime();

        // 6) 一个线程调用FairScheduler的update方法来以一定间隔来更新作业权重、运行待运行的task数等状态信息以便FairScheduler调度用。

        if (runBackgroundUpdates)

            new UpdateThread().start();

        // 7) 注册到infoserver中，可以通过web查看其信息。

        if (taskTrackerManager instanceof JobTracker) {

            JobTracker jobTracker = (JobTracker) taskTrackerManager;

            HttpServer infoServer = jobTracker.infoServer;

            infoServer.setAttribute("scheduler", this);

            infoServer.addServlet("scheduler", "/scheduler",

                    FairSchedulerServlet.class);

        }

6. JobInProgressListener(EagerTaskInitializationListener)的start方法。初始化一个线程，检查器jobqueue上的job进行初始化。

 this.jobInitManagerThread = new Thread(jobInitManager, "jobInitManager");

 jobInitManagerThread.setDaemon(true);

 this.jobInitManagerThread.start();

7. TaskSelector(DefaultTaskSelector)的start方法。在父类TaskSelector和子类DefaultTaskSelector都没有做任何事情，因为DefaultTaskSelector的实现的主要业务方法只是简单封装，在该类中没有保存任何状态的信息，也不用其他子服务之类的来完成，因此没有初始化内容。但是其他方式的TaskSelector可能会有，因此父类中定义了个start方法。

 public void start() throws IOException {

    // do nothing

  }

完。

为了转载内容的一致性、可追溯性和保证及时更新纠错，转载时请注明来自：http://www.cnblogs.com/douba/p/hadoop_job_submit_service_init.html。谢谢！

码农公寓

相关文章