Hadoop's Introduction

致Rita。

 

hadoop的执行路径。

 

通常我们在自己编写的Job 代码中会调用JobClient.runJob(job)方法来启动任务的真正执行，我们的介绍就从这个命令开始（在调用这个api之前，我们已经设计并且在程序中指定好自己的mapper函数和reducer函数了）

 

1，JobClient.runJob(job)静态方法会实例化一个JobClient实例，然后用该实例的submitJob(job)方法向master提交作业，此方法返回一个RunningJob对象，用来跟踪作业的状态，作业提交完毕，JobClient会轮训作业的进度

 

2，submitJob内部是通过JobSubmitter的submitJobInternal(job)完成实质性的作业提交。submitJobInternal会先向haodoop文件系统上传3个文件：job.jar, job.split, job.xml这三个文件位置由mapreduce系统路径mapred.system.dir属性决定，写完这三个文件之后，此方法使用RPC调用master节点的JobTracker.submitJob(job)方法。

 

3，JobTracker收到JobClient提交的作业后，即在JobTracker.submitJob()方法中，首先生成一个JobInProgress对象，此对象代表一个作业，它的作用是维护这道作业的所有信息，包括作业剖析JobProfile和JobStatus，并登记所有Task进任务表中。随后JobTracker会将此JobInProgress对象通过listener.jobAdd(job)方法加入作业调度队列，并用一个成员Jobs来表示所有的作业

 

4，Hadoop默认的调度器是FIFO的JobQueueTaskScheduler。它有2个成员变量JobQueueJobInProgressListener和eagerTaskInitializationListener。后者负责任务初始化。作法为：listerner初始化时，开启JobInitThread线程，当作业通过JobAdd(job)加入初始化队列jobInitQueue时，根据作业优先级排序，之后该线程调用JobInProgress的initTasks()来初始化所有的任务。

 

5, initTasks()过程比较复杂，在这里面会根据原先对输入任务的分解，来创建对应数目的Map执行管理对象TaskInProgress。

 

之后即是TaskTracker请求任务的过程，容以后再议~