【转】分析Hadoop自带WordCount例子的执行过程(1)

hongblue

　　在Hadoop的发行包中也附带了例子的源代码，WordCount.java类的主函数实现如下所示：
<!--<br /><br />Code highlighting produced by Actipro CodeHighlighter (freeware)<br />http://www.CodeHighlighter.com/<br /><br />-->publicstaticvoidmain(String[]args)throwsException{
intres=ToolRunner.run(newConfiguration(),newWordCount(),args);
System.exit(res);
}
}

　　我们先从主函数入手吧，一点点地按照“深度遍历”的思想，分解掉这个WordCount字频统计工具，让我们更清晰地看到到底在Hadoop中是如何进行工作的。
　　首先从ToolRunner的run方法开始，run方法需要三个参数，第一个是一个Configuration类的实例。第二个是 WorCount类的实例，args就是从控制台接收到的命令行数组。可见，估计分析到我们的WordCount还非常非常的远，因为 Configuration类与args数组就够追踪一会了。
　　下面是ToolRunner的run方法的实现：
<!--<br /><br />Code highlighting produced by Actipro CodeHighlighter (freeware)<br />http://www.CodeHighlighter.com/<br /><br />-->publicstaticintrun(Configurationconf,Tooltool,String[]args)
throwsException{
if(conf==null){//即使传入的conf为null，仍然会在这里实例化一个配置类Configuration的对象
conf=newConfiguration();
}
GenericOptionsParserparser=newGenericOptionsParser(conf,args);//根据指定的conf和args数组实例化一个GenericOptionsParser类的对象，构造GenericOptionsParser类对象能实现对Hadoop通用的配置信息进行解析
//Tool类是一个接口，WordCount工具就是实现了Tool接口，Tool接口中只是定义了一个run方法，即实现一个Tool必须要知道这个Tool的实现类的对象怎样run。
//因为Tool接口实现了Configurable接口，在Configurable接口中可以为一个Tool设置初始化配置，即使用setConf()方法
tool.setConf(conf);

//gettheargsw/ogenerichadoopargs
String[]toolArgs=parser.getRemainingArgs();//返回从控制台输入的命令行参数的数组
returntool.run(toolArgs);//根据toolArgs数组指定的命令启动WordCount实例运行，返回实现Tool接口的实现类的对象的执行状态码
}

　　上面的run方法应该是执行WordCount例子的最高层的方法，最抽象了。

程序一开始，首先要解析Hadoop配置文件，对应于Hadoop根目录下的conf目录下。其中的配置类为Configuration，构造一个Configuration对象，使用如下所示构造方法：

<!--<br /><br />Code highlighting produced by Actipro CodeHighlighter (freeware)<br />http://www.CodeHighlighter.com/<br /><br />-->publicConfiguration(){
if(LOG.isDebugEnabled()){
LOG.debug(StringUtils.stringifyException(newIOException("config()")));
}
resources.add("hadoop-default.xml");
resources.add("hadoop-site.xml");
}

　　实例化一个Configuration对象，就是将conf目录中的hadoop-default.xml和hadoop-site.xml配置文件加入到private ArrayList<Object> resources中，以便再进一步解析。
　　真正解析Hadoop的配置文件的是一个GenericOptionsParser通用选项解析器类，需要提供一个Configuration对象的，同时指定一个命令行参数数组。
　　如下是GenericOptionsParser类的构造方法：
<!--<br /><br />Code highlighting produced by Actipro CodeHighlighter (freeware)<br />http://www.CodeHighlighter.com/<br /><br />-->publicGenericOptionsParser(Configurationconf,String[]args){
this(conf,newOptions(),args);//这里额外又多增加了一个Options对象作为参数
}

Options类是一个选项对象的集合，用于描述在应用中可能使用到的命令行参数。可以通过查看Options类的构造方法：

<!--<br /><br />Code highlighting produced by Actipro CodeHighlighter (freeware)<br />http://www.CodeHighlighter.com/<br /><br />-->publicOptions()
{
//nothingtodo
}

其实，什么也没有做。然而，可以动态为一个Options对象添加指定的选项的。

　　又调用了GenericOptionsParser类的另一个构造方法，如下所示：
<!--<br /><br />Code highlighting produced by Actipro CodeHighlighter (freeware)<br />http://www.CodeHighlighter.com/<br /><br />-->publicGenericOptionsParser(Configurationconf,Optionsoptions,String[]args){
parseGeneralOptions(options,conf,args);
}

继续调用GenericOptionsParser类的成员方法parseGeneralOptions()来进一步解析配置选项：

<!--<br /><br />Code highlighting produced by Actipro CodeHighlighter (freeware)<br />http://www.CodeHighlighter.com/<br /><br />-->/**
*Parsetheuser-specifiedoptions,getthegenericoptions,andmodify
*configurationaccordingly
*@paramconfConfigurationtobemodified
*@paramargsUser-specifiedarguments
*@returnCommand-specificarguments
*/
privateString[]parseGeneralOptions(Optionsopts,Configurationconf,
String[]args){
opts=buildGeneralOptions(opts);
CommandLineParserparser=newGnuParser();
try{
commandLine=parser.parse(opts,args,true);
processGeneralOptions(conf,commandLine);
returncommandLine.getArgs();
}catch(ParseExceptione){
LOG.warn("optionsparsingfailed:"+e.getMessage());
HelpFormatterformatter=newHelpFormatter();
formatter.printHelp("generaloptionsare:",opts);
}
returnargs;
}

　　其中，commandLine是GenericOptionsParser类的一个私有成员变量。
　　上面GenericOptionsParser类的成员方法parseGeneralOptions()可以作为解析Hadoop配置选项的一个高层的抽象方法了。
　　其中的buildGeneralOptions()接收Options opts然后又返回了opts，如下所示：
<!--<br /><br />Code highlighting produced by Actipro CodeHighlighter (freeware)<br />http://www.CodeHighlighter.com/<br /><br />-->/**
*Specifypropertiesofeachgenericoption
*/
@SuppressWarnings("static-access")
privateOptionsbuildGeneralOptions(Optionsopts){
Optionfs=OptionBuilder.withArgName("local|namenode:port")
.hasArg()
.withDescription("specifyanamenode")
.create("fs");
Optionjt=OptionBuilder.withArgName("local|jobtracker:port")
.hasArg()
.withDescription("specifyajobtracker")
.create("jt");
Optionoconf=OptionBuilder.withArgName("configurationfile")
.hasArg()
.withDescription("specifyanapplicationconfigurationfile")
.create("conf");
Optionproperty=OptionBuilder.withArgName("property=value")
.hasArgs()
.withArgPattern("=",1)
.withDescription("usevalueforgivenproperty")
.create('D');
opts.addOption(fs);
opts.addOption(jt);
opts.addOption(oconf);
opts.addOption(property);

returnopts;
}

　　返回的Options opts已经被赋予了丰富的内容