HDFS中DistributedFileSystem的创建

      说白了，DistributedFileSystem就是HDFS的客户端API，而且严格说起来，DistributedFileSystem算是一种瘦客户端，因为它没有缓存任何关于HDFS中的文件及文件的元数据信息。可能这话我说的有点绝对，但至少在目前的最新版本中确实是这样的，至于会不会在以后的HDFS版本中为客户端加入缓存就不得而知了。反正，Apache Hadoop的官网上并没有任何迹象表明他们将会这么做。值得一提的是，就目前SaaS的应用模式发展来看，关于设计富HDFS客户端的想法基本上已无可能。言归正传，本文将接下来主要介绍DistributedFileSystem的创建过程(初始化)。

       首先，DistributedFileSystem实例的创建途径可由它的构造方法和FileSystem提供的静态方法来创建。但我不建议直接使用构造方法来创建DistributedFileSystem实例，除非你对DistributedFileSystem的内部实现比较的了解。我想，在Apache Hadoop的官网上创建DistributedFileSystem实例的示例永远都会是使用FileSystem提供的静态方法加它的配置文件，使用这种方法就得要注意你的配置文件是否配置正确喽。在配置文件中，fs.default.name和fs.scheme.impl两项一定要相匹配，否则将无法创建DistributedFileSystem实例，fs.default.name的值形式是：scheme://ip:port， fs.scheme.impl的值是一个实现DistributedFileSystem的类权限定名，同时这个实现类必须得有一个无参数的构造方法，否则整个创建构成将失败。其中，scheme可以看作是这个文件系统的标示符，ip：port表示的NameNode节点提供服务的地址，另外非常关键的一点是，标记为红色的scheme要在配置文件中是一样的。还是来个截图吧：

FileSystem会利用JDK的反射机制创建一个DistributedFileSystem实例，然后调用它的initialize()方法。 在类DistributedFileSystem中，有一个重量级的家伙叫DFSClient，而DistributedFileSystem中的绝大多数操作都是交由DFSClient来完成的，这是因为DFSClient全面负责和NameNode的通信。很明显，DFSClient实例的创建实在initialize()方法中完成的。下面就让我来来重点介绍一下DFSClient这个重量级的家伙吧！

          从DFSClient的属性中我们可以看出，它们中的许多都是关于和NameNode节点进行通行的配置，在这里我并不打算细将这些，但是有两个属性是不得不讲得，它们分别是namenode和rpcNamenode，它们都是ClientProtocol类型的，这里可能需要提及的是，ClientProtocol接口定义了Client与NameNode进行通信的协议，实际上就是类似于远程调用的stub，namenode和rpcNamenode就是动态生成的ClientProtocol代理类实例，它们中的所有方法都是交给Invoker来执行的，关于Invoker，我待会会仔细的讲解。在这里，有人可能不禁会问，namenode和rpcNamenode有什么区别吗，或者是不是重复了？其实，刚才我还没有来得及说完，rpcNamenode是ClientProtocol的代理类，namenode是rpcNamenode代理类，只是在调用远程方法的时候，若rpcNamenode调用失败，rpcNamenode的代理类namenode会尝试多次调用rpcNamenode的该方法，当然条用次数是由上限的。因此，DFSClient与NameNode的通信就自然而然的要交给namenode来处理了。哦，对了，在这里我还要补充的是，在创建了ClientProtocol的远程代理之后，会马上调用它的getProtocolVesion()方法取回NameNode节点的通信协议版本号，而客户端也有一个版本号，如果两个版本号不匹配的话，整个创建过程将失败。

         现在就让我来仔细地探讨探讨Invoker类。在Invoker类中也有个大家伙Client，我们知道，Hadoop在其内部实现了一个简单的基于IPC模型的RPC，而这个Client就是RPC的客户端。当有远程调用是，Invoker会传给Client远程地址、远程方法名、参数，让Client去真正执行远程方法的调用，而自己则会一直等待远程方法结果的返回。那么，Client又是如何实现远程方法的调用的呢？其实这个过程就很简单了，Client首先会根据传入的远程地址与远程Server建立连接Connection，然后再把可序列化的方法信息和参数信息传给Server，之后就等着Server传回可反序列化的执行结果。在这里，Client对Connection做了一些优化，就是根据远程地址、协议类型、用户信息(这些信息被封装到ConnectionId)来缓存该Connection，而不是每次都创建一个连接。另外，Client也不会让Connection总是闲着，而是给它一个最大的空闲时间，当它超过这个时间时，会自动关闭与该远程主机的连接。

      为了能更清晰的阐述DistributedFileSystem的创建过程，我将附图一张，来详细描述，当然这张时序图可能不是很规范：