如何高效阅读 Spark 和 Hadoop 这类大型开源项目源代码？

我自己看过HDFS以及HDFS Raid的源码，其他的偶尔也看一下。

个人感觉大致以下一些步骤吧：

1. 看官方网站的描述，知道项目的定位、功能、常见用例。
2. 搜集文档，与项目相关的论文、整体架构文档、某些重要feature的文档等，如果你愿意像 @vczh 所说的那样email项目主要contributors要一些文档的话，也可以。另外，知名的hadoop和spark的技术博客一定不要错过，比如Yahoo！、Cloudera、Hortonworks、Databricks等的官方博客。对于不明白的feature，可以考虑先去StackOverflow上找找相关信息，给自己普及一下基础知识。
3. 下载项目源码，看一下源码的layout，了解相关功能在哪个目录下。使用有效地IDE开始分析。
4. 如果已有别人的源码分析，搞过来看看。比如HDFS、MR的分析已经有书存在了。
5. 搭建一个单机的系统，run起来，看看日志，打开debug模式跟踪一下。
6. 自己整理分析笔记之类的，输出有助于更好的思考。
   ps：建议1,2先行。3,4,5可能需要交叉进行。

作者：知乎用户
链接：https://www.zhihu.com/question/24238887/answer/27166338
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

转载于:https://blog.51cto.com/57388/2107665