Hadoop提交任务源码分析

hadoop提交流程源码

1、源码流程

//进入Job类的waitForCompletion()方法
waitForCompletion()

submit();

// 1建立连接
	connect();	
		// 1）创建提交Job的代理
		new Cluster(getConfiguration());
			// （1）判断是本地运行环境还是yarn集群运行环境
			initialize(jobTrackAddr, conf); 

// 2 提交job
submitter.submitJobInternal(Job.this, cluster)

	// 1）创建给集群提交数据的Stag路径
	Path jobStagingArea = JobSubmissionFiles.getStagingDir(cluster, conf);

	// 2）获取jobid ，并创建Job路径
	JobID jobId = submitClient.getNewJobID();

	// 3）拷贝jar包到集群
copyAndConfigureFiles(job, submitJobDir);	
	rUploader.uploadFiles(job, jobSubmitDir);

	// 4）计算切片，生成切片规划文件
writeSplits(job, submitJobDir);
		maps = writeNewSplits(job, jobSubmitDir);
		input.getSplits(job);

	// 5）向Stag路径写XML配置文件
writeConf(conf, submitJobFile);
	conf.writeXml(out);

	// 6）提交Job,返回提交状态
status = submitClient.submitJob(jobId, submitJobDir.toString(), job.getCredentials());

2、提交任务过程中主要事项

1. 在connect方法中，主要通过cluster对象提供一种进入访问mr集群的方式。进入Cluster中，再进入initialize(jobTrackAddr,conf)中包含initProviderList()；ProviderList中有YarnClient和LocalClient；通过for循环遍历initProviderList()，并验证参数。

   通过参数mapreduce.framework.name来决定是由什么环境运行
   如果值为yarn 那就是yarn环境
   如果值为local 那就是local环境

2. 通过当前环境去获取提交器，

   • 验证输出路径是否存在；

   • 提供一个staging临时目录；产生jobID；准备创建staging临时目录+jobID路径

   • 在staging临时目录+jobID的临时目录中上传Job.xml配置文件、切片信息、（jar包–yarn模式）

     集群模式：提交jar包

     本地模式：不提交jar包