MapReduce框架結(jié)構(gòu)說(shuō)課講解

1、Good is good, but better carries it.精益求精，善益求善。MapReduce框架結(jié)構(gòu)-2MapReduce框架結(jié)構(gòu)Map/Reduce是一個(gè)用于大規(guī)模數(shù)據(jù)處理的分布式計(jì)算模型，它最初是由Google工程師設(shè)計(jì)并實(shí)現(xiàn)的，Google已經(jīng)將它完整的HYPERLINK/papers/mapreduce.htmlMapReduce論文公開(kāi)發(fā)布了。其中對(duì)它的定義是，Map/Reduce是一個(gè)編程模型（programmingmodel），是一個(gè)用于處理和生成大規(guī)模數(shù)據(jù)集（processingandgeneratinglargedatasets）的相關(guān)的實(shí)現(xiàn)。用戶定義一個(gè)m

2、ap函數(shù)來(lái)處理一個(gè)key/value對(duì)以生成一批中間的key/value對(duì)，再定義一個(gè)reduce函數(shù)將所有這些中間的有著相同key的values合并起來(lái)。很多現(xiàn)實(shí)世界中的任務(wù)都可用這個(gè)模型來(lái)表達(dá)。Hadoop的Map/Reduce框架也是基于這個(gè)原理實(shí)現(xiàn)的，下面簡(jiǎn)要介紹一下Map/Reduce框架主要組成及相互的關(guān)系。2.1總體結(jié)構(gòu)2.1.1Mapper和Reducer運(yùn)行于Hadoop的MapReduce應(yīng)用程序最基本的組成部分包括一個(gè)Mapper和一個(gè)Reducer類，以及一個(gè)創(chuàng)建JobConf的執(zhí)行程序，在一些應(yīng)用中還可以包括一個(gè)Combiner類，它實(shí)際也是Reducer的實(shí)現(xiàn)。2.

3、1.2JobTracker和TaskTracker它們都是由一個(gè)master服務(wù)JobTracker和多個(gè)運(yùn)行于多個(gè)節(jié)點(diǎn)的slaver服務(wù)TaskTracker兩個(gè)類提供的服務(wù)調(diào)度的。master負(fù)責(zé)調(diào)度job的每一個(gè)子任務(wù)task運(yùn)行于slave上，并監(jiān)控它們，如果發(fā)現(xiàn)有失敗的task就重新運(yùn)行它，slave則負(fù)責(zé)直接執(zhí)行每一個(gè)task。TaskTracker都需要運(yùn)行在HDFS的DataNode上，而JobTracker則不需要，一般情況應(yīng)該把JobTracker部署在單獨(dú)的機(jī)器上。2.1.3JobClient每一個(gè)job都會(huì)在用戶端通過(guò)JobClient類將應(yīng)用程序以及配置參數(shù)Confi

4、guration打包成jar文件存儲(chǔ)在HDFS，并把路徑提交到JobTracker的master服務(wù)，然后由master創(chuàng)建每一個(gè)Task（即MapTask和ReduceTask）將它們分發(fā)到各個(gè)TaskTracker服務(wù)中去執(zhí)行。2.1.4JobInProgressJobClient提交job后，JobTracker會(huì)創(chuàng)建一個(gè)JobInProgress來(lái)跟蹤和調(diào)度這個(gè)job，并把它添加到j(luò)ob隊(duì)列里。JobInProgress會(huì)根據(jù)提交的jobjar中定義的輸入數(shù)據(jù)集（已分解成FileSplit）創(chuàng)建對(duì)應(yīng)的一批TaskInProgress用于監(jiān)控和調(diào)度MapTask，同時(shí)在創(chuàng)建指定數(shù)目的Ta

5、skInProgress用于監(jiān)控和調(diào)度ReduceTask，缺省為1個(gè)ReduceTask。2.1.5TaskInProgressJobTracker啟動(dòng)任務(wù)時(shí)通過(guò)每一個(gè)TaskInProgress來(lái)launchTask，這時(shí)會(huì)把Task對(duì)象（即MapTask和ReduceTask）序列化寫(xiě)入相應(yīng)的TaskTracker服務(wù)中，TaskTracker收到后會(huì)創(chuàng)建對(duì)應(yīng)的TaskInProgress（此TaskInProgress實(shí)現(xiàn)非JobTracker中使用的TaskInProgress，作用類似）用于監(jiān)控和調(diào)度該Task。啟動(dòng)具體的Task進(jìn)程是通過(guò)TaskInProgress管理的Task

6、Runner對(duì)象來(lái)運(yùn)行的。TaskRunner會(huì)自動(dòng)裝載jobjar，并設(shè)置好環(huán)境變量后啟動(dòng)一個(gè)獨(dú)立的javachild進(jìn)程來(lái)執(zhí)行Task，即MapTask或者ReduceTask，但它們不一定運(yùn)行在同一個(gè)TaskTracker中。2.1.6MapTask和ReduceTask一個(gè)完整的job會(huì)自動(dòng)依次執(zhí)行Mapper、Combiner（在JobConf指定了Combiner時(shí)執(zhí)行）和Reducer，其中Mapper和Combiner是由MapTask調(diào)用執(zhí)行，Reducer則由ReduceTask調(diào)用，Combiner實(shí)際也是Reducer接口類的實(shí)現(xiàn)。Mapper會(huì)根據(jù)jobjar中定義的

7、輸入數(shù)據(jù)集按對(duì)讀入，處理完成生成臨時(shí)的對(duì)，如果定義了Combiner，MapTask會(huì)在Mapper完成調(diào)用該Combiner將相同key的值做合并處理，以減少輸出結(jié)果集。MapTask的任務(wù)全完成即交給ReduceTask進(jìn)程調(diào)用Reducer處理，生成最終結(jié)果對(duì)。這個(gè)過(guò)程在下一部分再詳細(xì)介紹。下圖描述了Map/Reduce框架中主要組成和它們之間的關(guān)系：2.2Job創(chuàng)建過(guò)程2.2.1JobClient.runJob()開(kāi)始運(yùn)行job并分解輸入數(shù)據(jù)集一個(gè)MapReduce的Job會(huì)通過(guò)JobClient類根據(jù)用戶在JobConf類中定義的InputFormat實(shí)現(xiàn)類來(lái)將輸入的數(shù)據(jù)集分解成一批

8、小的數(shù)據(jù)集，每一個(gè)小數(shù)據(jù)集會(huì)對(duì)應(yīng)創(chuàng)建一個(gè)MapTask來(lái)處理。JobClient會(huì)使用缺省的FileInputFormat類調(diào)用FileInputFormat.getSplits()方法生成小數(shù)據(jù)集，如果判斷數(shù)據(jù)文件是isSplitable()的話，會(huì)將大的文件分解成小的FileSplit，當(dāng)然只是記錄文件在HDFS里的路徑及偏移量和Split大小。這些信息會(huì)統(tǒng)一打包到j(luò)obFile的jar中并存儲(chǔ)在HDFS中，再將jobFile路徑提交給JobTracker去調(diào)度和執(zhí)行。2.2.2JobClient.submitJob()提交job到JobTrackerjobFile的提交過(guò)程是通過(guò)RPC模

9、塊（有單獨(dú)一章來(lái)詳細(xì)介紹）來(lái)實(shí)現(xiàn)的。大致過(guò)程是，JobClient類中通過(guò)RPC實(shí)現(xiàn)的Proxy接口調(diào)用JobTracker的submitJob()方法，而JobTracker必須實(shí)現(xiàn)JobSubmissionProtocol接口。JobTracker則根據(jù)獲得的jobFile路徑創(chuàng)建與job有關(guān)的一系列對(duì)象（即JobInProgress和TaskInProgress等）來(lái)調(diào)度并執(zhí)行job。JobTracker創(chuàng)建job成功后會(huì)給JobClient傳回一個(gè)JobStatus對(duì)象用于記錄job的狀態(tài)信息，如執(zhí)行時(shí)間、Map和Reduce任務(wù)完成的比例等。JobClient會(huì)根據(jù)這個(gè)JobStat

10、us對(duì)象創(chuàng)建一個(gè)NetworkedJob的RunningJob對(duì)象，用于定時(shí)從JobTracker獲得執(zhí)行過(guò)程的統(tǒng)計(jì)數(shù)據(jù)來(lái)監(jiān)控并打印到用戶的控制臺(tái)。與創(chuàng)建Job過(guò)程相關(guān)的類和方法如下圖所示2.3Job執(zhí)行過(guò)程上面已經(jīng)提到，job是統(tǒng)一由JobTracker來(lái)調(diào)度的，具體的Task分發(fā)給各個(gè)TaskTracker節(jié)點(diǎn)來(lái)執(zhí)行。下面通過(guò)源碼來(lái)詳細(xì)解析執(zhí)行過(guò)程，首先先從JobTracker收到JobClient的提交請(qǐng)求開(kāi)始。2.3.1JobTracker初始化Job和Task隊(duì)列過(guò)程JobTracker.submitJob()收到請(qǐng)求當(dāng)JobTracker接收到新的job請(qǐng)求（即submitJob(

11、)函數(shù)被調(diào)用）后，會(huì)創(chuàng)建一個(gè)JobInProgress對(duì)象并通過(guò)它來(lái)管理和調(diào)度任務(wù)。JobInProgress在創(chuàng)建的時(shí)候會(huì)初始化一系列與任務(wù)有關(guān)的參數(shù)，如jobjar的位置（會(huì)把它從HDFS復(fù)制本地的文件系統(tǒng)中的臨時(shí)目錄里），Map和Reduce的數(shù)據(jù)，job的優(yōu)先級(jí)別，以及記錄統(tǒng)計(jì)報(bào)告的對(duì)象等。JobTracker.resortPriority()加入隊(duì)列并按優(yōu)先級(jí)排序JobInProgress創(chuàng)建后，首先將它加入到j(luò)obs隊(duì)列里，分別用一個(gè)map成員變量jobs用來(lái)管理所有jobs對(duì)象，一個(gè)list成員變量jobsByPriority用來(lái)維護(hù)jobs的執(zhí)行優(yōu)先級(jí)別。之后JobTracke

12、r會(huì)調(diào)用resortPriority()函數(shù)，將jobs先按優(yōu)先級(jí)別排序，再按提交時(shí)間排序，這樣保證最高優(yōu)先并且先提交的job會(huì)先執(zhí)行。JobTracker.JobInitThread通知初始化線程然后JobTracker會(huì)把此job加入到一個(gè)管理需要初始化的隊(duì)列里，即一個(gè)list成員變量jobInitQueue里。通過(guò)此成員變量調(diào)用notifyAll()函數(shù)，會(huì)喚起一個(gè)用于初始化job的線程JobInitThread來(lái)處理（JobTracker會(huì)有幾個(gè)內(nèi)部的線程來(lái)維護(hù)jobs隊(duì)列，它們的實(shí)現(xiàn)都在JobTracker代碼里，稍候再詳細(xì)介紹）。JobInitThread收到信號(hào)后即取出最靠前的j

13、ob，即優(yōu)先級(jí)別最高的job，調(diào)用JobInProgress的initTasks()函數(shù)執(zhí)行真正的初始化工作。JobInProgress.initTasks()初始化TaskInProgressTask的初始化過(guò)程稍復(fù)雜些，首先步驟JobInProgress會(huì)創(chuàng)建Map的監(jiān)控對(duì)象。在initTasks()函數(shù)里通過(guò)調(diào)用JobClient的readSplitFile()獲得已分解的輸入數(shù)據(jù)的RawSplit列表，然后根據(jù)這個(gè)列表創(chuàng)建對(duì)應(yīng)數(shù)目的Map執(zhí)行管理對(duì)象TaskInProgress。在這個(gè)過(guò)程中，還會(huì)記錄該RawSplit塊對(duì)應(yīng)的所有在HDFS里的blocks所在的DataNode節(jié)點(diǎn)的h

14、ost，這個(gè)會(huì)在RawSplit創(chuàng)建時(shí)通過(guò)FileSplit的getLocations()函數(shù)獲取，該函數(shù)會(huì)調(diào)用DistributedFileSystem的getFileCacheHints()獲得（這個(gè)細(xì)節(jié)會(huì)在HDFS模塊中講解）。當(dāng)然如果是存儲(chǔ)在本地文件系統(tǒng)中，即使用LocalFileSystem時(shí)當(dāng)然只有一個(gè)location即“l(fā)ocalhost”了。其次JobInProgress會(huì)創(chuàng)建Reduce的監(jiān)控對(duì)象，這個(gè)比較簡(jiǎn)單，根據(jù)JobConf里指定的Reduce數(shù)目創(chuàng)建，缺省只創(chuàng)建1個(gè)Reduce任務(wù)。監(jiān)控和調(diào)度Reduce任務(wù)的也是TaskInProgress類，不過(guò)構(gòu)造方法有所不同，

15、TaskInProgress會(huì)根據(jù)不同參數(shù)分別創(chuàng)建具體的MapTask或者ReduceTask。JobInProgress創(chuàng)建完TaskInProgress后，最后構(gòu)造JobStatus并記錄job正在執(zhí)行中，然后再調(diào)用JobHistory.JobInfo.logStarted()記錄job的執(zhí)行日志。到這里JobTracker里初始化job的過(guò)程全部結(jié)束，執(zhí)行則是通過(guò)另一異步的方式處理的，下面接著介紹它。與初始化Job過(guò)程相關(guān)的類和方法如下圖所示2.3.2TaskTracker執(zhí)行Task的過(guò)程Task的執(zhí)行實(shí)際是由TaskTracker發(fā)起的，TaskTracker會(huì)定期（缺省為10秒鐘，

16、參見(jiàn)MRConstants類中定義的HEARTBEAT_INTERVAL變量）與JobTracker進(jìn)行一次通信，報(bào)告自己Task的執(zhí)行狀態(tài)，接收J(rèn)obTracker的指令等。如果發(fā)現(xiàn)有自己需要執(zhí)行的新任務(wù)也會(huì)在這時(shí)啟動(dòng)，即是在TaskTracker調(diào)用JobTracker的heartbeat()方法時(shí)進(jìn)行，此調(diào)用底層是通過(guò)IPC層調(diào)用Proxy接口（在IPC章節(jié)詳細(xì)介紹）實(shí)現(xiàn)。這個(gè)過(guò)程實(shí)際比較復(fù)雜，下面一一簡(jiǎn)單介紹下每個(gè)步驟。TaskTracker.run()連接JobTrackerTaskTracker的啟動(dòng)過(guò)程會(huì)初始化一系列參數(shù)和服務(wù)（另有單獨(dú)的一節(jié)介紹），然后嘗試連接JobTracke

17、r服務(wù)（即必須實(shí)現(xiàn)InterTrackerProtocol接口），如果連接斷開(kāi)，則會(huì)循環(huán)嘗試連接JobTracker，并重新初始化所有成員和參數(shù)，此過(guò)程參見(jiàn)run()方法。TaskTracker.offerService()主循環(huán)如果連接JobTracker服務(wù)成功，TaskTracker就會(huì)調(diào)用offerService()函數(shù)進(jìn)入主執(zhí)行循環(huán)中。這個(gè)循環(huán)會(huì)每隔10秒與JobTracker通訊一次，調(diào)用transmitHeartBeat()獲得HeartbeatResponse信息。然后調(diào)用HeartbeatResponse的getActions()函數(shù)獲得JobTracker傳過(guò)來(lái)的所有指令即

18、一個(gè)TaskTrackerAction數(shù)組。再遍歷這個(gè)數(shù)組，如果是一個(gè)新任務(wù)指令即LaunchTaskAction則調(diào)用startNewTask()函數(shù)執(zhí)行新任務(wù)，否則加入到tasksToCleanup隊(duì)列，交給一個(gè)taskCleanupThread線程來(lái)處理，如執(zhí)行KillJobAction或者KillTaskAction等。TaskTracker.transmitHeartBeat()獲取JobTracker指令在transmitHeartBeat()函數(shù)處理中，TaskTracker會(huì)創(chuàng)建一個(gè)新的TaskTrackerStatus對(duì)象記錄目前任務(wù)的執(zhí)行狀況，然后通過(guò)IPC接口調(diào)用JobT

19、racker的heartbeat()方法發(fā)送過(guò)去，并接受新的指令，即返回值TaskTrackerAction數(shù)組。在這個(gè)調(diào)用之前，TaskTracker會(huì)先檢查目前執(zhí)行的Task數(shù)目以及本地磁盤(pán)的空間使用情況等，如果可以接收新的Task則設(shè)置heartbeat()的askForNewTask參數(shù)為true。操作成功后再更新相關(guān)的統(tǒng)計(jì)信息等。TaskTracker.startNewTask()啟動(dòng)新任務(wù)此函數(shù)的主要任務(wù)就是創(chuàng)建TaskTracker$TaskInProgress對(duì)象來(lái)調(diào)度和監(jiān)控任務(wù)，并把它加入到runningTasks隊(duì)列中。完成后則調(diào)用localizeJob()真正初始化Tas

20、k并開(kāi)始執(zhí)行。TaskTracker.localizeJob()初始化job目錄等此函數(shù)主要任務(wù)是初始化工作目錄workDir，再將jobjar包從HDFS復(fù)制到本地文件系統(tǒng)中，調(diào)用RunJar.unJar()將包解壓到工作目錄。然后創(chuàng)建一個(gè)RunningJob并調(diào)用addTaskToJob()函數(shù)將它添加到runningJobs監(jiān)控隊(duì)列中。完成后即調(diào)用launchTaskForJob()開(kāi)始執(zhí)行Task。TaskTracker.launchTaskForJob()執(zhí)行任務(wù)啟動(dòng)Task的工作實(shí)際是調(diào)用TaskTracker$TaskInProgress的launchTask()函數(shù)來(lái)執(zhí)行的。T

21、askTracker$TaskInProgress.launchTask()執(zhí)行任務(wù)執(zhí)行任務(wù)前先調(diào)用localizeTask()更新一下jobConf文件并寫(xiě)入到本地目錄中。然后通過(guò)調(diào)用Task的createRunner()方法創(chuàng)建TaskRunner對(duì)象并調(diào)用其start()方法最后啟動(dòng)Task獨(dú)立的java執(zhí)行子進(jìn)程。Task.createRunner()創(chuàng)建啟動(dòng)Runner對(duì)象Task有兩個(gè)實(shí)現(xiàn)版本，即MapTask和ReduceTask，它們分別用于創(chuàng)建Map和Reduce任務(wù)。MapTask會(huì)創(chuàng)建MapTaskRunner來(lái)啟動(dòng)Task子進(jìn)程，而ReduceTask則創(chuàng)建Reduce

22、TaskRunner來(lái)啟動(dòng)。TaskRunner.start()啟動(dòng)子進(jìn)程真正執(zhí)行Task這里是真正啟動(dòng)子進(jìn)程并執(zhí)行Task的地方。它會(huì)調(diào)用run()函數(shù)來(lái)處理。執(zhí)行的過(guò)程比較復(fù)雜，主要的工作就是初始化啟動(dòng)java子進(jìn)程的一系列環(huán)境變量，包括設(shè)定工作目錄workDir，設(shè)置CLASSPATH環(huán)境變量等（需要將TaskTracker的環(huán)境變量以及jobjar的路徑合并起來(lái)）。然后裝載jobjar包，調(diào)用runChild()方法啟動(dòng)子進(jìn)程，即通過(guò)ProcessBuilder來(lái)創(chuàng)建，同時(shí)子進(jìn)程的stdout/stdin/syslog的輸出定向到該Task指定的輸出日志目錄中，具體的輸出通過(guò)TaskL

23、og類來(lái)實(shí)現(xiàn)。這里有個(gè)小問(wèn)題，Task子進(jìn)程只能輸出INFO級(jí)別日志，而且該級(jí)別是在run()函數(shù)中直接指定，不過(guò)改進(jìn)也不復(fù)雜。與Job執(zhí)行過(guò)程相關(guān)的類和方法如下圖所示2.4JobTracker和TaskTracker如上面所述，JobTracker和TaskTracker是MapReduce框架最基本的兩個(gè)服務(wù)，其他所有處理均由它們調(diào)度執(zhí)行，下面簡(jiǎn)單介紹它們內(nèi)部提供的服務(wù)及創(chuàng)建的線程，詳細(xì)過(guò)程下回分解J2.4.1JobTracker的服務(wù)和線程JobTracker是MapReduce框架中最主要的類之一，所有job的執(zhí)行都由它來(lái)調(diào)度，而且Hadoop系統(tǒng)中只配置一個(gè)JobTracker應(yīng)用。

24、啟動(dòng)JobTracker后它會(huì)初始化若干個(gè)服務(wù)以及若干個(gè)內(nèi)部線程用來(lái)維護(hù)job的執(zhí)行過(guò)程和結(jié)果。下面簡(jiǎn)單介紹一下它們。首先，JobTracker會(huì)啟動(dòng)一個(gè)interTrackerServer，端口配置在Configuration中的mapred.job.tracker參數(shù)，缺省是綁定8012端口。它有兩個(gè)用途，一是用于接收和處理TaskTracker的heartbeat等請(qǐng)求，即必須實(shí)現(xiàn)InterTrackerProtocol接口及協(xié)議。二是用于接收和處理JobClient的請(qǐng)求，如submitJob，killJob等，即必須實(shí)現(xiàn)JobSubmissionProtocol接口及協(xié)議。其次，它會(huì)啟動(dòng)一個(gè)infoSe