Hadoop源代碼分析（*IDs類和*Context類）

咱們開始來分析Hadoop MapReduce的內部的運行機制。用戶向Hadoop提交Job（做業），做業在JobTracker對象的控制下執行。Job被分解成爲Task（任務），分發到集羣中，在TaskTracker的控制下運行。Task包括MapTask和ReduceTask，是MapReduce的Map操做和Reduce操做執行的地方。這中任務分佈的方法比較相似於HDFS中NameNode和DataNode的分工，NameNode對應的是JobTracker，DataNode對應的是TaskTracker。JobTracker，TaskTracker和MapReduce的客戶端經過RPC通訊，具體能夠參考HDFS部分的分析。 咱們先來分析一些輔助類，首先是和ID有關的類，ID的繼承樹以下：   這張圖能夠看出如今Hadoop的org.apache.hadoop.mapred向org.apache.hadoop.mapreduce遷移帶來的一些問題，其中灰色是標註爲@Deprecated的。ID攜帶一個整型，實現了WritableComparable接口，這代表它能夠比較，並且能夠被Hadoop的io機制串行化/解串行化（必須實現compareTo/readFields/write方法）。JobID是系統分配給做業的惟一標識符，它的toString結果是job_<jobtrackerID>_<jobNumber>。例子：job_200707121733_0003代表這是jobtracker200707121733（利用jobtracker的開始時間做爲ID）的第3號做業。 做業分紅任務執行，任務號TaskID包含了它所屬的做業ID，同時也有任務ID，同時還保持了這是不是一個Map任務（成員變量isMap）。任務號的字符串表示爲task_<jobtrackerID>_<jobNumber>_[m|r]_<taskNumber>，如task_200707121733_0003_m_000005表示做業200707121733_0003的000005號任務，改任務是一個Map任務。 一個任務有可能有多個執行（錯誤恢復/消除Stragglers等），因此必須區分任務的多個執行，這是經過類TaskAttemptID來完成，它在任務號的基礎上添加了嘗試號。一個任務嘗試號的例子是attempt_200707121733_0003_m_000005_0，它是任務task_200707121733_0003_m_000005的第0號嘗試。 JVMId用於管理任務執行過程當中的Java虛擬機，咱們後面再討論。 爲了使Job和Task工做，Hadoop提供了一系列的上下文，這些上下文保存了Job和Task工做的信息。   處於繼承樹的最上方是org.apache.hadoop.mapreduce.JobContext，前面咱們已經介紹過了，它提供了Job的一些只讀屬性，兩個成員變量，一個保存了JobID，另外一個類型爲JobConf，JobContext中除了JobID外，其它的信息都保持在JobConf中。它定義了以下配置項： l          mapreduce.inputformat.class：InputFormat的實現 l          mapreduce.map.class：Mapper的實現 l          mapreduce.combine.class: Reducer的實現 l          mapreduce.reduce.class：Reducer的實現 l          mapreduce.outputformat.class: OutputFormat的實現 l          mapreduce.partitioner.class: Partitioner的實現 同時，它提供方法，使得經過類名，利用Java反射提供的Class.forName方法，得到類對應的Class。org.apache.hadoop.mapred的JobContext對象比org.apache.hadoop.mapreduce.JobContext多了成員變量progress，用於獲取進度信息，它類型爲JobConf成員job指向mapreduce.JobContext對應的成員，沒有添加任何新功能。 JobConf繼承自Configuration，保持了MapReduce執行須要的一些配置信息，它管理着46個配置參數，包括上面mapreduce配置項對應的老版本形式，如mapreduce.map.class 對應mapred.mapper.class。這些配置項咱們在使用到它們的時候再介紹。 org.apache.hadoop.mapreduce.JobContext的子類Job前面也已經介紹了，後面在討論系統的動態行爲時，再回來看它。 TaskAttemptContext用於任務的執行，它引入了標識任務執行的TaskAttemptID和任務狀態status，並提供新的訪問接口。org.apache.hadoop.mapred的TaskAttemptContext繼承自mapreduce的對應版本，只是增長了記錄進度的progress。

更多精彩內容請關注：http://bbs.superwu.cn

關注超人學院微信二維碼：