Hadoop源代码分析（一）

Google的核心竞争技术是它的计算平台。Google的大牛们用了下面5篇文章，介绍了它们的计算设施。 
GoogleCluster： http://research.google.com/archive/googlecluster.html 
Chubby：http://labs.google.com/papers/chubby.html 
GFS：http://labs.google.com/papers/gfs.html 
BigTable：http://labs.google.com/papers/bigtable.html 
MapReduce：http://labs.google.com/papers/mapreduce.html 
很快，Apache上就出现了一个类似的解决方案，目前它们都属于Apache的Hadoop项目，对应的分别是： 
Chubby-->ZooKeeper 
GFS-->HDFS 
BigTable-->HBase 
MapReduce-->Hadoop 
目前，基于类似思想的Open Source项目还很多，如Facebook用于用户分析的Hive。 
HDFS作为一个分布式文件系统，是所有这些项目的基础。分析好HDFS，有利于了解其他系统。由于Hadoop的HDFS和MapReduce是同一个项目，我们就把他们放在一块，进行分析。
下图是MapReduce整个项目的顶层包图和他们的依赖关系。Hadoop包之间的依赖关系比较复杂，原因是HDFS提供了一个分布式文件系统，该系统提供API，可以屏蔽本地文件系统和分布式文件系统，甚至象Amazon S3这样的在线存储系统。这就造成了分布式文件系统的实现，或者是分布式文件系统的底层的实现，依赖于某些貌似高层的功能。功能的相互引用，造成了蜘蛛网型的依赖关系。一个典型的例子就是包conf，conf用于读取系统配置，它依赖于fs，主要是读取配置文件的时候，需要使用文件系统，而部分的文件系统的功能，在包fs中被抽象了。
面给出了Hadoop的包的功能分析。
 

Package
Dependences
tool
提供一些命令行工具，如DistCp，archive
mapreduce
Hadoop的Map/Reduce实现
filecache
提供HDFS文件的本地缓存，用于加快Map/Reduce的数据访问速度
fs
文件系统的抽象，可以理解为支持多种文件系统实现的统一文件访问接口
hdfs
HDFS，Hadoop的分布式文件系统实现
ipc
一个简单的IPC的实现，依赖于io提供的编解码功能
参考：http://zhangyu8374.javaeye.com/blog/86306
io
表示层。将各种数据编码/解码，方便于在网络上传输
net
封装部分网络功能，如DNS，socket
security
用户和用户组信息
conf
系统的配置参数
metrics
系统统计数据的收集，属于网管范畴
util
工具类
record
根据DDL（数据描述语言）自动生成他们的编解码函数，目前可以提供C++和Java
http
基于Jetty的HTTP Servlet，用户通过浏览器可以观察文件系统的一些状态信息和日志
log
提供HTTP访问日志的HTTP Servlet