Hadoop源码学习笔记(1)

——找到Main函数及读一读Configure类

前面在第一季中，我们简单地研究了下Hadoop是什么，怎么用。在这开源的大牛作品的诱惑下，接下来我们要研究一下它是如何实现的。

提前申明，本人是一直搞.net的，对java略为生疏，所以在学习该作品时，会时不时插入对java的学习，到时也会摆一些上来，包括一下设计模式之类的。欢迎高手指正。

整个学习过程，我们主要通过eclipse来学习，之前已经讲过如何在eclipse中搭建调试环境，这里就不多述了。

在之前源码初窥中，我们已经找到了主要几个的main函数入口。所以这里我们列一列计划：

1. FsShell main入口: org.apache.hadoop.fs.FsShell
2. NameNode main入口: org.apache.hadoop.hdfs.server.namenode.NameNode
3. DataNode main入口: org.apache.hadoop.hdfs.server.datanode.DataNode
4. JobTracker main入口: org.apache.hadoop.mapred.JobTracker
5. TaskTracker main入口: org.apache.hadoop.mapred.TaskTracker

我们会按这个顺序来研究，至于其他的像SecondeNameNode之类的，在最后再来研究。

同样，针对这些内容，我们还会分一下，第一步先来看DFS，第二步再来看MapReduce部份。

在研究DFS之前，我们看一下，这三者关系：

其中NameNode是客户端的主接口，也是唯一的对接点，同时主要负责文件名目录管理，以及数据DataNode的映射。

好了，要研究一块，我们先来把程序跑起来吧。

在eclipse中我们很方便地就能找到每个模块的对应的main函数，但还是有些不便，为了调试方便，我们再新建三个入口类：

自建入口类主要是为方便找到，然后这三个类中的代码分别为：

FsShellEnter.java

1. import org.apache.hadoop.fs.FsShell;
2.  
3. public class FsShellEnter {
4.  
5.    public static void main(String[] args) throws Exception {
6.       FsShell.main(new String[]{"-ls"});
7.    }
8. }

NamNodeEnter.java

1. public class NameNodeEnter {
2.  
3.    public static void main(String[] args) throws Exception {
4.       org.apache.hadoop.hdfs.server.namenode.NameNode.main(args);
5.    }
6. }

DataNodeEnter.java

1. public class DataNodeEnter {
2.  
3.    public static void main(String[] args) {
4.       org.apache.hadoop.hdfs.server.datanode.DataNode.main(args);
5.    }
6. }

运行之：

启动命令行，运行：$ bin/hadoop namenode

然后在eclipse中，打开FsShellEnter.java，然后点击运行，可以看到：

反过来，在eclipse中，打开NamNodeEnter.java，点击运行，

在控制台中，可以输入一堆的信息，说明正常了。

然后打开命令行，输入：$ bin/hadoop fs -ls，可以看到：

这样，说明正反运行都可以了。

当然这里我们没有涉及文件内容操作，所以没有DataNode也没问题，不过可以自行试一下。

打开这几个main函数，都可以看到上来都在初使化这个Configuration类。所以我们先来看一看这个类到底有点啥：

先看一下之前我们如何用这个类的：

1. Configuration conf = new Configuration();
2. String name = conf.get("fs.default.name");
3. System.out.println(name);

从字面意思及这段函数，可以看出Configuration类用于读取配置文件的，且该程序就是读出配置文件中fs.default.name的值。

观察其构造函数：

1. public Configuration() {
2.     this(true);
3. }
4.  public Configuration(boolean loadDefaults) {
5.     this.loadDefaults = loadDefaults;
6.     if (LOG.isDebugEnabled()) {
7.       LOG.debug(StringUtils.stringifyException(new IOException("config()")));
8.     }
9.     synchronized(Configuration.class) {
10.       REGISTRY.put(this, null);
11.     }
12.   }

发现其本没有做什么操作，主要设置了一个loadDefaults值为true。

然后再观察get函数：

1.   public String get(String name) {
2.     return substituteVars(getProps().getProperty(name));
3.   }
4. private synchronized Properties getProps() {
5.     if (properties == null) {
6.       properties = new Properties();
7.       loadResources(properties, resources, quietmode);
8.       if (overlay!= null)
9.         properties.putAll(overlay);
10.     }
11.     return properties;
12.   }

Get函数先是调用了substituteVars函数，这个是正则表达式处理函数，对返回值进行去非法字符处理，然后getProps函数中，对hashtable类型的properties进行判断，如果为空则创建并进行初使化，否则直接返回。然后getProperty再根据其key值进行取值。

很明显，这里是采用了懒加载的方式，就是说并没有一开始加载配置文件中的数据，而是等要访问时，才进行加载。

进一步看如何初使化的，loadResources函数：

1. private void loadResources(Properties properties,
2.                              ArrayList resources,
3.                              boolean quiet) {
4.     if(loadDefaults) {
5.       for (String resource : defaultResources) {
6.         loadResource(properties, resource, quiet);
7.       }
8.  
9.       //support the hadoop-site.xml as a deprecated case
10.       if(getResource("hadoop-site.xml")!=null) {
11.         loadResource(properties, "hadoop-site.xml", quiet);
12.       }
13.     }
14.  
15.     for (Object resource : resources) {
16.       loadResource(properties, resource, quiet);
17.     }
18.   }

这里第5行可看到先加载了defaultResources中的资源，然后再加载hadoop-site.xml（第10行）。

defaultResources有哪些呢，一步步找，可以看到：

1. static{
2.    ...
3.     addDefaultResource("core-default.xml");
4.     addDefaultResource("core-site.xml");
5.   }
6.  public static synchronized void addDefaultResource(String name) {...}

从这里看到，默认加载了core-default.xml和core-site.xml这两个文件。

到这里，我们可以再打开这3个XML来看看了：

从这两个文件，我们可以看出，配置文件中存储就是用的key-value的健值对方式，然后加一个description对该配置项的描述。所以程序中读取也是传入key即可获取value。

同时，core-site.xml是我们自己配置文件，仔细看，可发现，在core-defalut.xml中也有一些相同的配置项。加载时先加载defalut再site，后者有相同key时覆盖前者。

所以换句话说，我们可以不配置hadoop.tmp.dir 则默认就在上面default中的/tmp….目录。

同时也可相到，hadoop的其他配置，就可以参考core-default.xml中的了。 可以直接改，也可以在core-site中再复制一份再改。

继续观察Configuration还有哪些方法：

发现其中有很多个get函数,然后是返回各种不同类型的。这样就方便我们取值后直接处理了。

同时，可以看到还有一堆的set函数。这些set函数追进去看，是在修改hashtable的，并没有保存。所以说这些用途也是可见的，不用配置文件也可以让Configuration工作起来。