标签：
1、Hadoop的包的功能分析
2、由于Hadoop的MapReduce和HDFS都有通信的需求，需要对通信的对象进行序列化。Hadoop并没有采用java的序列化，而是引入它自己的系统。org.apache.hadoop.io中定义了大量的可序列化对象，他们都实现了Writable接口。
3、介绍完org.apache.hadoop.io以后，我们开始来分析org.apache.hadoop.ipc。RPC采用客户机/服务器模式。
4、既然是RPC,自然就用客户端和服务端，当然，org.apache.hadoop.ipc也就有了类Client和类Server。在这里我们仔细考察org.apache.hadoop.ipc.Client。下面的图包含了org.apche.hadoop.ipc.Client中的关键类和关键方法。
5、聊完了Client聊Server，按惯例，先把类图贴出来。需要注意的是，这里的Server类是一个抽象类，唯一抽象的地方就是call方法。
6、有了Client和Server，很自然就能RPC啦。下面轮到RPC.java啦。
7、一个典型的HDFS系统包含一个NameNode和多个DataNode。NameNode维护名字空间；而DataNode存储数据块。
下面我们就来具体分析一下DataNode的实现。
8、在继续分析DataNode之前，我们有必要看一下系统的工作状态。大家先理解一下上面的状态图，它是下面我们要介绍DataNode的基础。
9、我们来看一下升级、回滚、提交的时候DataNode上会发生什么。
10、分析完Storage相关的类以后，我们来看下一个大家伙，FSDataset相关的类。
上面介绍Storage时，我们并没有涉及数据块Block的操作，所有和数据块相关的操作，都在FSDataset相关的类中进行处理。下面是类图。
11、通过上面的一系列的介绍，我们知道了DataNode工作时的文件结构和文件结构在内存中对应的对象。下面我们可以来分析DataNode上的动态行为。首先我们来分析DataXceiverServer和DataXceiver。DataNode上数据块的接受、发送并没有采用我们前面介绍的RPC机制，原因和简单，RPC是一个命令式接口，而DataNode处理数据部分，往往是一种流式机制。DataXceiverServe和DataXceiver就是这个机制的实现。其中，DataXceiver还依赖两个辅助类：BlockSender和BlockReceiver。下面是类图。
12、继续DataXceiver分析，下一块硬骨头是写数据。HDFS的写数据操作，笔读数据复制N多倍。我们先来看一下写数据的请求。接下来的处理就是数据处理和校验，并分别写到数据块文件和数据块元文件。
13、DataXceiver支持的六条操作，我们已经分析完最重要的两条。剩下的分别是：读取数据块元文件，替换一个数据块，拷贝一个数据块，读取数据块校验码。我们逐个讨论。
14、通过上面的讨论，DataNoda上读、写流程已经基本清楚了，我们来看下一个非主流程，DataBlockScanner用于定时对数据块进行校验。类图如下：
15、周围障碍扫清以后，我们可以开始分析类DataNodde。类图如下：
16、DataNode的介绍告一段落。我们开始分析NameNode。相比DataNode，NameNode比较复杂，系统中只有一个NameNode，做
为系统文件目录的管理者和“inode”表。为了提高可用性，系统中还存在着 从NameNode。
先前我们分析DataNode的时候，关注的是数据块。NameNode作为HDFS中文件目录和文件分配的管理者，它保存的最重要的信息，就是下面两个映射：
文件名->数据块
数据块->DataNode列表
17、我们先分析INode.java,类INode抽象了文件层次结构。如果我们对文件系统进行面向对象的抽象，一定会得到和下面一样的雷士的结构图（类INode）：INode是一个抽象类，它的两个子类，分别对应着目录（INodeDirectory）和文件（INodeFile）。
18、前面我们提过关系：文件名->数据块持久化在磁盘上，所有对目录树的更新和文件名->数据块关系的修改，都必须能够持久化，为了保证每次修改不需要重新保存整个结构，HDFS使用操作日志，保存更新。
19、我们来分析FSEditLog.java,该类提供了NameNode操作日志和日志文件的相关方法，相关类图如下：通过上面的分析，我们应该清楚日志文件里记录了哪些信息。
20、我们开始对租约Lease进行分析，下面是类图。Lease是可以认为是一个文件写锁，当客户端需要写文件的时候，它需要申请一个Lease，NameNode负责记录哪个文件上有Lease，Lease的客户是谁，超时时间等，所有这些工作由下面三个类来完成
21、下面我们来分析FSDirectory。其实分析FSDirectory最好的地方，应该是在介绍完INode以后，FSDirectory在INode的基础上，保存了HDFS的文件目录状态。系统加载FSImage时，FSImage会在FSDirectory对象上重新建立文件目录状态，HDFS文件目录状态的变化，也有FSDirectory写日志，同时，它保存了 文件名->数据块的映射关系。
22、下来轮到FSNameSystem出场了。FSNameSystem.java一共有4573行，而整个NameNode目录下所有的java程序共有16876行，把FSNameSystem搞定了，NameNode也就基本搞定。
FSNameSystem是NameNode实际记录信息的地方，保存在FSNameSystem中的数据有：
文件名->数据列表（存放在FSImage和日志中）
合法的数据块列表（上面的逆关系）
数据块->DataNode（只保存在内存中，根据DataNode发过来的信息建立）
DataNode上保存的数据块（上面关系的逆关系）
最近发送过心跳信息的DataNode（LRU）
我们先来分析FSNameSystem的成员变量。
23、继续对FSNameSystem进行分析。NameNode上的线程，分别对应DataNode心跳检查，租约检查，安全模式检查和数据块复制，我们会在后面介绍这些线程对应的功能。接下来是一堆系统参数，比方说系统每个DataNode节点容许的最大数据块数，心跳检查间隔时间等。。。。。。
SafeModeInfo的类图如下，
讨论完SafeModeInfo，我们来分析一下SafeModeMonitor，它用于定期检查系统是否能够离开安全模式（smmthread就是它的一个实例）。系统离开安全模式后，smmthread会被重新赋值为null。
24、private Host2NodesMap，定义了HDFS的网络拓扑外，
25、我们接下来分析NameNode.java的成员变量，然后两个类综合起来，分析它提供的接口，并配合上接口说明请求对应的处理流程。
下面我们来看NameNode的启动过程。main方法是系统的入口。
26、万事俱备，我们可以分析NameNode上的流程啦。
首先我们来看NameNode上实现的ClientProtocol，客户端通过这个接口可以对目录树进行操作，打开、关闭文件等。
27、软柿子都捏完了，我们开始啃硬骨头。前面已经分析过getBlockLocation,create,append,setReplication,setPermission和setOwner，接下来我们讨论和文件内容相关的操作。
28、下面是和目录树相关的操作。
下面是和其他系统维护管理的方法。
29、搞定ClientProtocol，接下来是DataNodeProtocol部分。接口如下：
有了上面这些基础，我们来看FSSystem.handlerHeartbeat的处理过程。
下面分析应答的命令式如何构造的。
30、继续对NameNode实现的接口做分析
目前为止，我们已经完成了对NameNode上的ClientProtocol和DatanodeProtocol的分析了，NamenodeProtocol，我们在理解NamenodeProtocol的时候，才会进行分析。
31、除了对外提供的接口，NameNode上还定义了一系列的线程，不断检查系统的状态，下面是这些线程的功能分析。
32、转战进入Secondary NameNode，前面的分析我们也把他称为 从NameNode，从NameNode在HDFS里是个小配角。
跟Secondary NameNode有关系的类不是很多，如下图。
首先要讨论的是NameNode和Secondary NameNode间的通信。NameNode上实现了接口NameNodeProtocol，就是用于NameNode和Secondary NameNode间的命令通信。
33、SecondaryNameNode的成员变量很少，主要有：
具体的流程是：
34、我们可以开始从系统的外部来了解HDFS了，DFSClient提供了连接到HDFS系统并执行文件操作的基本功能。DFSClient也是个大家伙，我们先分析下它的一些内部类。我们先看LeaseChecker.租约是客户端对文件写操作时候的一个凭证，前面分析NameNode时，已经了解了租约，INodeFileUnderConstruction的关系，INodeFileUnderContruction只有在文件写的时候存在。客户端的租约管理很简单，包括了增加的put和删除的remove方法，run方法会定期执行，并通过ClientProtocol的renewLease，自动延长租期。
接下来我们分析内部为文件读引入的类。
35、接下来当然是分析输出流了
36、有了上面的基础，我们可以来解剖DFSOutputStreamle 。先看构造函数。
37、前面分析的DFSClient内部类，占据了这个类的实现部分的2/3，我们来看剩余的部分。
=================================
1、MapReduce概论
2、接下来我们来分析Task的两个子类，MapTask和ReduceTask。MapTask的相关
MapTask其实不复杂，复杂的是支持MapTask工作的一些辅助类。
MapTask最重要的方法是run。
接下来我们分析runOldMapper
3、MapTask的辅助类主要针对Mapper的输入和输出。首先我们来看MapTask中用的Mapper输入
4、有了上面Mapper输出的内存存储结构和硬盘存储结构讨论。我们来仔细分析MapOutputBuffer的流程。
首先是成员变量。
5、接下来讨论的是key，value的输出，这部分比较复杂，不过有了前面kvstart，kvend和kvindex配合的分析，有利于我们理解这部分代码。
6、Task的内部类和辅助类。从前面的图中，我们可以发现Task有很多内部类，并拥有大量的成员变量，这些类配合Task完成相应的工作
7、Map的结果，会通过partition分发到Reducer上，Reducer做完Reduce操作后，通过OutputFormat，进行输出，下面我们就来分析参与这个过程的类。
8、Mapper的输出，在发送到Reducer前是存放在本地文件系统的，IFile提供了对Mapper输出的管理。我们已经知道，Mapper输出的是<key,value>键值对，IFile以记录<key-len,value-len,key,value>的形式存放了这些数据。为了保存键值对的边界，很自然IFile需要保存key-len和value-len。
9、我们开始来分析Hadoop Mapreduce的内部运行机制。
我们先来分析一些辅助类，首先是和ID有关的类，ID的继承数如下：
10、前面已经完成了对org.apache.hadoop.mapreduce的分析，这个包提供了Hadoop MapReduce部分的应用API，用于用户实现自己的MapReduce应用。但这些接口是给未来的MapReduce应用的，目前MapReduce框架还是使用的老系统。下面我们来分析org.apache.hadoop.mapred。首先还是从mapred的MapReduce框架开始分析，下面的类图
11、接下来我们安装MapReduce过程中数据流动的顺序，来分解org.apache.hadoop.mapreduce.lib.*的相关内容，并介绍对应的基类的功能。首先是input部分，它实现了MapReduce的数据输入部分。类图如下：
类比较重要的方法有
12、Hadoop的MapReduce框架中，Map动作通过Mapper类来抽象。一般来说，我们会实现自己特殊的Mapper，并注册到系统中，执行时，我们的Mapper会被MapReduce框架调用。Mapper类很简单，包括一个内部类和四个方法，静态结构图如下
13、有了前面一节的分析，我们来看一下具体的接口，他们都处于包org.apache.hadoop.mapreduce中。
标签：
原文地址：http://www.cnblogs.com/shunliu-java/p/4195978.html
