Hadoop源代碼分析（IDs類和Context類）

發(fā)布時(shí)間：2020-04-05 06:24:21 來源：網(wǎng)絡(luò) 閱讀：308 作者：超人學(xué)院66 欄目：大數(shù)據(jù)

我們開始來分析Hadoop MapReduce的內(nèi)部的運(yùn)行機(jī)制。用戶向Hadoop提交Job（作業(yè)），作業(yè)在JobTracker對象的控制下執(zhí)行。Job被分解成為Task（任務(wù)），分發(fā)到集群中，在TaskTracker的控制下運(yùn)行。Task包括MapTask和ReduceTask，是MapReduce的Map操作和Reduce操作執(zhí)行的地方。這中任務(wù)分布的方法比較類似于HDFS中NameNode和DataNode的分工，NameNode對應(yīng)的是JobTracker，DataNode對應(yīng)的是TaskTracker。JobTracker，TaskTracker和MapReduce的客戶端通過RPC通信，具體可以參考HDFS部分的分析。
我們先來分析一些輔助類，首先是和ID有關(guān)的類，ID的繼承樹如下：

Hadoop源代碼分析（*IDs類和*Context類）

這張圖可以看出現(xiàn)在Hadoop的org.apache.hadoop.mapred向org.apache.hadoop.mapreduce遷移帶來的一些問題，其中灰色是標(biāo)注為@Deprecated的。ID攜帶一個(gè)整型，實(shí)現(xiàn)了WritableComparable接口，這表明它可以比較，而且可以被Hadoop的io機(jī)制串行化/解串行化（必須實(shí)現(xiàn)compareTo/readFields/write方法）。JobID是系統(tǒng)分配給作業(yè)的唯一標(biāo)識(shí)符，它的toString結(jié)果是job_<jobtrackerID>_<jobNumber>。例子：job_200707121733_0003表明這是jobtracker200707121733（利用jobtracker的開始時(shí)間作為ID）的第3號(hào)作業(yè)。
作業(yè)分成任務(wù)執(zhí)行，任務(wù)號(hào)TaskID包含了它所屬的作業(yè)ID，同時(shí)也有任務(wù)ID，同時(shí)還保持了這是否是一個(gè)Map任務(wù)（成員變量isMap）。任務(wù)號(hào)的字符串表示為task_<jobtrackerID>_<jobNumber>_[m|r]_<taskNumber>，如task_200707121733_0003_m_000005表示作業(yè)200707121733_0003的000005號(hào)任務(wù)，改任務(wù)是一個(gè)Map任務(wù)。
一個(gè)任務(wù)有可能有多個(gè)執(zhí)行（錯(cuò)誤恢復(fù)/消除Stragglers等），所以必須區(qū)分任務(wù)的多個(gè)執(zhí)行，這是通過類TaskAttemptID來完成，它在任務(wù)號(hào)的基礎(chǔ)上添加了嘗試號(hào)。一個(gè)任務(wù)嘗試號(hào)的例子是attempt_200707121733_0003_m_000005_0，它是任務(wù)task_200707121733_0003_m_000005的第0號(hào)嘗試。
JVMId用于管理任務(wù)執(zhí)行過程中的Java虛擬機(jī)，我們后面再討論。
為了使Job和Task工作，Hadoop提供了一系列的上下文，這些上下文保存了Job和Task工作的信息。

Hadoop源代碼分析（*IDs類和*Context類）

處于繼承樹的最上方是org.apache.hadoop.mapreduce.JobContext，前面我們已經(jīng)介紹過了，它提供了Job的一些只讀屬性，兩個(gè)成員變量，一個(gè)保存了JobID，另一個(gè)類型為JobConf，JobContext中除了JobID外，其它的信息都保持在JobConf中。它定義了如下配置項(xiàng)：

l mapreduce.inputformat.class：InputFormat的實(shí)現(xiàn)

l mapreduce.map.class：Mapper的實(shí)現(xiàn)

l mapreduce.combine.class: Reducer的實(shí)現(xiàn)

l mapreduce.reduce.class：Reducer的實(shí)現(xiàn)

l mapreduce.outputformat.class: OutputFormat的實(shí)現(xiàn)

l mapreduce.partitioner.class: Partitioner的實(shí)現(xiàn)

同時(shí)，它提供方法，使得通過類名，利用Java反射提供的Class.forName方法，獲得類對應(yīng)的Class。org.apache.hadoop.mapred的JobContext對象比org.apache.hadoop.mapreduce.JobContext多了成員變量progress，用于獲取進(jìn)度信息，它類型為JobConf成員job指向mapreduce.JobContext對應(yīng)的成員，沒有添加任何新功能。
JobConf繼承自Configuration，保持了MapReduce執(zhí)行需要的一些配置信息，它管理著46個(gè)配置參數(shù)，包括上面mapreduce配置項(xiàng)對應(yīng)的老版本形式，如mapreduce.map.class 對應(yīng)mapred.mapper.class。這些配置項(xiàng)我們在使用到它們的時(shí)候再介紹。
org.apache.hadoop.mapreduce.JobContext的子類Job前面也已經(jīng)介紹了，后面在討論系統(tǒng)的動(dòng)態(tài)行為時(shí)，再回來看它。

TaskAttemptContext用于任務(wù)的執(zhí)行，它引入了標(biāo)識(shí)任務(wù)執(zhí)行的TaskAttemptID和任務(wù)狀態(tài)status，并提供新的訪問接口。org.apache.hadoop.mapred的TaskAttemptContext繼承自mapreduce的對應(yīng)版本，只是增加了記錄進(jìn)度的progress。

更多精彩內(nèi)容請關(guān)注：http://bbs.superwu.cn

關(guān)注超人學(xué)院微信二維碼： Hadoop源代碼分析（*IDs類和*Context類）

向AI問一下細(xì)節(jié)

Hadoop源代碼分析（*IDs類和*Context類）

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽

Hadoop源代碼分析（IDs類和Context類）