Hadoop工程包架构解析

1 Hadoop中各工程包依赖简述
    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。
    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。


2 Hadoop和Google分布式系统对应产品






 


3 Hadoop工程中各工程包依赖图示






4  Hdoop工程中各工程包文件夹图示






5 各包功能


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.iteye.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