专访许鹏：谈C程序员修养及大型项目源码阅读与学习

青野

• 登录 | 注册
  
• 
  
• 
  

• 业界
  
• 移动开发
  
• 云计算
  
• 软件研发
  
• 程序员杂志
  
• 极客头条
  
• 专题
  

• 大数据
  
• 数据中心
  
• 服务器
  
• 存储
  
• 虚拟化
  
• NoSQL
  
• 安全
  
• 云先锋
  

订阅云计算RSSCSDN首页> 云计算

发表于2014-06-05 21:16| 19253次阅读| 来源CSDN| 84 条评论|作者仲浩
云计算大数据SparkStorm编程语言技术博客推荐开源摘要：阅读源码是开源项目最好的学习方式，然而真正的执行起来却并不容易。这里我们为大家分享许鹏的源码阅读经验、C程序员的修养以及Spark和Storm源码走读博文。对许鹏的第一印象来源于其Bolg的粗读，最早时候更准确说应该是博文的粗略统计——1年零6个月完成55篇以上的博文，基本每篇都附有代码，其中更有多篇源码解读博文。而在浏览完大量的Storm和Spark源码阅读后，笔者更认定了这是位Hadoop、Spark、Storm等相关技术从业人员。然而在与许鹏本人沟通之后才发现，其实最贴近他本人的描述正是其Blog简介——“富贵有定数，学问则无定数——求一分，便得一分。”之所以说是贴近，因为其中还少了乐于分享的部分。

关于许鹏：花名@徽沪一郎，2000年毕业于南京邮电学院，现就业于爱立信上海，在UDM部门从事相关产品研发，个人关注于Linux内核及实时计算框架如Storm、Spark等。
正如简介中的描述，许鹏当下从事基于Linux的C&C++开发，正如他所说的“老套、漂亮的不突出的技术”。言归正传，在对许鹏有了简单的了解之后，我们一起走进本次的主题——C程序员的修养、大型项目的源码学习，以及Spark和Storm的源码走读。
免费订阅“CSDN云计算”微信公众号，实时掌握第一手云中消息！
CSDN作为国内最专业的云计算服务平台，提供云计算、大数据、虚拟化、数据中心、OpenStack、CloudStack、Hadoop、Spark、机器学习、智能算法等相关云计算观点，云计算技术，云计算平台，云计算实践，云计算产业资讯等服务。
以下是采访原文：
CSDN：请介绍一下目前您正在从事的研究和工作内容？
许鹏： 目前在公司UDM（User Data Management）部门，从事AAA相关的东西，用于用户Wi-Fi接入认证。由于产品需要迁移到Linux Cluster，所以对IP Load Balance及OpenSAF都有比较深入的研究和理解。

开发是Linux平台上的C&C++编程，常常遇到进程Crash和内存泄露之类的问题，于是就对GDB和Linux内核中的Memory Management有了比较深入的学习。

OpenSAF主要解决高可用和扩展问题。Linux内核显然难度很大，加上实际项目中并没有需求，所以理解起来特别吃力。经过相当长的时间消化理解之后，终于弄明白了内核自举，Memory Management和Network Stack这几个模块。Linux内核是我从实际工作到业余研究的一个关键连结点。内核代码阅读尽管让个人在考虑问题的时候有了一定的长进，但毕竟无法与实际工作相关联，所以热度渐渐降低，其实就是没能因为懂内核而找一份高薪工作啦。然而，Linux内核源码阅读却给我带来了一个非常大的收获——学会了“自我设问，自我解答”。

于是开始搜寻新的热点，从2013年初开始，发觉实时数据分析很热门，看到许多网络大拿在吹捧Storm，于是就开始看Storm的源码。Storm源码的学习过程中主要难点是Clojure语言，这个过程得到了Clojure Programming一书中文译者徐明明的大力帮助，所以渐渐理解了Storm的框架和实现机理，Storm学习的时间持续了大概半年的时间。之所以转到Spark的研究上来，是因为听说Apache Spark也支持Streaming的处理，我很好奇，于是就开始了Spark的源码研究，这中间一方面是看网上的资料，另一方面是自己看源码和做小型的实验来验证猜测，可以说网络让自己的学习大大的缩短。Spark的学习中大量借鉴了酆晓杰（fxjwind）和张包峰的博客，目前，我和他们都建立了良好的互动。
CSDN：多年C和C++项目开发及管理，有什么经验可以分享给这个领域的工作者？在程序员修养方面，他们又应该注意什么，多学些什么，多看些什么？
许鹏：尽管从事C和C++开发多年，我还是不敢说自己非常精通。有的只是一点点的感悟和体会，如果是进行Linux平台下的C语言开发，最好还是就下面几个问题多做一些试验，多读一些相关的书。
1. 程序的运行和加载，推荐程序员的自我修养一书。
2. 内存分配，推荐阅读Ptmalloc源码分析，无论是C还是C++程序员，这一部分是最容易踩雷的，多读一点基础的东西，会在解决实际问题的时候，不至于手足无措。以这些为基础，再结合Valgrind或Purify，相信效果会更好。
3. 多读一点C和C++开发的成功产品，如Apache Http Server和Nginx，这样就容易搞清楚在设计一个系统的时候需要有哪些关注点。

• 是单进程还是多进程，是单进程多线程还是多线程单进程
  
• 进程间通信采用什么方式
  
• 消息的encoding/decoding以及message passing，每次都要自己写一次，不累吗，有没有好的开源实现，如Protobuffer、Thrift
  
• 对于一个Network Server来说，基本构架大体上还是相同的，acceptor→dispatcher→worker
  

4. 《深入理解计算机系统》真的是一本非常不错的书，为什么要这么说，软件的设计还是要以物理设备支持的特性为基础的，这本书让我们在CPU的级别来进一步思考程序设计。
若干年前，金庸群侠传这个游戏很流行，里头有一种武功初练稀松平常，但只要练到第10级，那就比降龙十八掌还厉害。学用C和C++也是如此吧，无它，唯勤而已。
CSDN： 您谈到了因为产品迁移到Linux Cluster所以深入的研究了IP Load Balance及OpenSAF，在这两个方面有可分享给读者的么？

许鹏： IP Load Balance这一块主要是对ipvs和nat的升级协议rsip作了一些研究。有关这方面的资料网上很多，也不敢乱加评论，如果想作细致深入学习的话，以lvs ipvs作为关键字搜一下就可以了。熟悉ipvs最好的方式还是试验加源码阅读，其源码已经在Linux内核之中，在network目录下。
OpenSAF是SAF的开源实现，主要目的是为了解决HA和Scalability的问题，对于电信产品来说，高可靠性始终是一个硬性的指标。SAF制定了一套齐备的标准，在开源实现方面情况变得有意思起来。OpenSAF基本上跟随了SAF标准，而其它一些则认为标准过于庞杂，而只选取其中一部分加以深化实施，如corosync和pacemaker。
CSDN：您花了大量的时间阅读Spark和Storm源码，并进行测试，对这两个计算框架您有做过比较吗？有什么结论可以为大家分享？
许鹏： 这是一个经常会被提及的问题，之所以如此就是因为两个产品都很优秀。Storm是专注于实时流计算的框架，在Twitter有大量成功的应用，其整体架构是非常易于理解的。Spark则更为通用一些，不仅支持实时流计算，也支持批处理，图及机器学习方面的应用。所以要对两者进行比较的话，我们还是将目标缩小到流处理这一块。

• 从应用的广泛程度上来说，Storm可能拥有更多的用户基础。
  
• 从处理速度上而言，似乎Spark更胜一筹。
  
• 从当前整个项目的活跃度而言，Spark更为活跃。
  
• Spark可以与Hadoop的新一代资源管理框架Yarn更为紧密的结合。
  
• Spark有Cloudera的大力支撑，而Hortonwork则是Storm的最大推手，两家都是大数据处理领域的翘楚，一场龙争虎斗很值得期待。
  
• Spark目前还缺少Storm所支持rebalance功能，不能动态利用新增加的节点。
  
• Spark和Storm在支持“exactly-once”的处理上，有不同的实现，Spark是依赖于Spark，而Storm则是利用Trident来解决，TridentTopology对storm中基础的bolt和spout做了封装，让上层应用的开发更加关注于业务本身。
  
• 二者有一个共同的缺点或毛病，就是对资源在较细粒度的调配方面，支持得还不够
  

CSDN：大量开源项目使用和学习经验，您对开源运动怎么看？如何才能更好的学习一个开源项目？开源项目使用时又该注意些什么？
许鹏： 开源项目离不开大家的广泛参与和支持，要让一个开源项目取得成功，有多个方面的因素。

• 产品本身的创新功能
  
• 在实际项目中的应用和推广，业界大佬企业的积极参与
  
• 教育培训市场的积极跟进，也是一个开源项目最终能够长久生存下来的必备因素
  

CSDN：能否分享一些您对当下大数据的看法？
许鹏： 大数据要解决的两大基本问题是“数据存储”和“数据分析”，在数据存储领域，开源实现方面似乎大家都已经首肯HDFS的方式，不再怀疑。
而在数据分析的计算框架方面，目前还有大量的竞争或博弈出现。Spark就是一例，分析领域除了基于传统关系型数据库的分析方式，还有图计算相关和机器学习为代表的数据挖掘。显然机器学习是一个大热门，这一方面个人所知甚少，不敢胡说八道，但门槛似乎很高，数学底子一定要好，决不是简简单单的调用几个API就完事了的。
云计算是大数据的支撑，虽然脱胎于虚拟化，不乏商业宣传的味道，但是大量机器的安装部署，如果全部使用物理机一台台去装，肯定会让人发疯，云计算让大规模部署和产品迁移变的更为简单。
CSDN：对于阅读源码您有着丰富的经验，对想阅读源码又不知道如何下手的同学可否做一些分享？
许鹏： 源码阅读其实是一个逆向的工程，这期间必须会遇到种种问题。一般来说，我会遵循这样一个思维范式——Problem domain→model→architecture&implementation→improvement→best practice。
1. 首先搞清楚要分析的产品解决的问题是什么，这个问题在哪个大的范畴里，也就是要搞清楚problem domain。一个著名的开源产品必定在Wikipedia上有相应的条目，所以一开始去看wikipedia是破题的一种极好方式。
2. 清楚要分析产品的大体框架和关键性的概念，也就是理解清楚architecture和key concept。
3. 将分析的产品实实在在的运行起来，我一般选择debian或archlinux作为工作平台，它们提供了丰富的软件包，可以很快的将东西安装并运行。熟悉Linux本身对于开源项目的源码阅读还是大有裨益的。
4. 修改日志级别，得到丰富的日志信息。有了这个为基础，再来开始真正的源码阅读和分析。
5. 源码分析的时候，要始终问这几个问题。

• 进程以及线程的启动顺序
  
• 搞清楚调用关系call flow
  

• 这一部分代码是在同一个进程中么，同一个线程中么，运行在同一台机器中么
  
• 每一个线程都要问清楚，什么时候启动的，什么时候停止的
  

• 消息传递的路径，针对每一个函数，搞清楚，input是谁传给我的，output要传给谁，由哪个来传
  
• 搞清楚上述的问题之后，就将最开始提到的对architecture的了解做到具体而微了。有了这个基础之后，再继续往下问
  

• 当前实现的性能如何，比如i/o, cpu, network 这个需要做相应的测试方面的试验
  
• 当前的解决方案还有优化空间吗，比如针对spark中的scheduling问题，就有sparrow的优化机制提出
  

6. 碰到具体的问题一时解决不了怎么办

• 用好google，用好stackoverflow
  
• 将碰到的问题模型化，写一些验证性的代码，或者是写一个小的demo来验证，我在解决许多很妖的bug，也是采用类似的思路
  
• 找到相应的用户论坛，发帖虚心请教
  
• 如果还是不行，就先搁一搁，去看能看懂的地方
  

7. 编程语言选择

• 源码阅读中可能遇到的一个问题就是这个语言是新近出来的，我根本没学过，我需要系统去掌握该语言之后，才能来看源码么。我的看法是可以边看边学，在掌握语言的过程中，牢牢把握住这几个问题
  

• 基本语法：数据类型、控制语句、函数定义
  
• 是否支持FP
  
• 多态和继承
  

• 现代编程语言基本上都混合了面向过程，面向对象和函数式编程的特点，即便是C++或新近的java8都如此。
  
• Storm用Clojure来编写，而Spark使用Scala，就语言的偏好来说，我更喜欢Clojure一些。
  

稍微总结一下，我想源码分析心中要有两幅大图，将整体与局部很好的结合起来思考

• 一是太极图，要有整体性的思维，要对architecture有掌握，对其在整个生态系统中的定位要清楚，东方式的思维强调整体性
  
• 二是数学中常见的笛卡尔坐标体系，将大的问题拆分之后一一研究，做到具体而微，西方式的思维强调个性
  

CSDN：有什么可以补充给读者的？
许鹏： 选择自己感兴趣的东西，坚持做下去，一定会有回报，诚如《一代宗师》中所说的那样，“念念不忘，必有回响”。
编码到底是一件技术活，还是一项艺术活，这是一个令人纠结的话题。

最后，感谢CSDN的采访，谢谢那些为开源项目耗费大量精力的开发者。由于本人代码阅读时间比较仓促，错误在所难免，有不对的地方，敬请指出，学无先后，能者为师。
Storm&Spark源码走读

读源码是开源项目最好的学习方式，然而当项目规模达到一定程度时，就像许鹏所说，源码阅读其实是一个逆向的工程，这期间必须会遇到种种问题。这里我们为大家分享许鹏的Spark和Storm源码走读，方便大家学习。

Spark

• 许鹏：从零开始学习，Apache Spark源码走读1和2
  
• Apache Spark源码走读之3 -- Task运行期之函数调用关系分析
  
• Apache Spark源码走读之4 -- DStream实时流数据处理
  
• Apache Spark源码走读之5 -- DStream处理的容错性分析
  
• Apache Spark源码走读之6 -- 存储子系统分析
  
• Apache Spark源码走读之7 -- Standalone部署方式分析
  
• Apache Spark源码走读之8 -- Spark on Yarn
  
• Apache Spark源码走读之9 -- Spark源码编译
  
• Apache Spark源码走读之10 -- 在YARN上运行SparkPi
  
• Apache Spark源码走读之11 -- sql的解析与执行
  
• Apache Spark源码走读之12 -- Hive on Spark运行环境搭建
  
• Apache Spark源码走读之13 -- hiveql on spark实现详解
  

Storm

• Apache Storm源码阅读笔记（PDF版）
  

文/仲浩

免费订阅“CSDN云计算”微信公众号，实时掌握第一手云中消息！
CSDN作为国内最专业的云计算服务平台，提供云计算、大数据、虚拟化、数据中心、OpenStack、CloudStack、Hadoop、Spark、机器学习、智能算法等相关云计算观点，云计算技术，云计算平台，云计算实践，云计算产业资讯等服务。

顶84 踩3推荐阅读相关主题： 程序员 专访 阅读 源码 linux内核 云计算平台

• 相关文章
  
• 最新报道
  

• 周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等
  
• 一周消息树：我们从WWDC 2014收获了什么？
  
• Talend为Hadoop更新开源大数据平台，性能大幅提高
  
• 郭蕴华：Spark监控实战
  
• 李巍：TDW与PostgreSQL数据互访问功能
  
• 马淑婧：TDW Protobuf存储格式功能介绍
  

已有84条评论

还可以再输入500个字
您还没有登录! 请 登录 或 注册

• 最新评论
  
• 最热评论
  

山依然 6秒前牛   回复 armstrongoyw 1小时前太厉害了，高手呀，膜拜中...！   回复 sinat_16225025 2小时前Joan   回复 hua田木又寸下 4小时前马克   回复 arcopengl 5小时前mark   回复 qq_16213461 5小时前厉害啊   回复 qq_16212153 5小时前厉害！   回复 龙门威甲 5小时前太厉害了，推荐的书我仅仅是听说过！   回复 中国电信广东网厅 7小时前 来自 新浪微博还有比世界杯没有卡卡，上网卡卡更悲催的事儿吗？电信光纤拯救你，无线路由白送[呵呵]你，京东卡属于你，网速太快，请系安全带>>http://t.cn/RvJQwQP   回复 ZZW_19951211 7小时前牛   回复中国电信广东网厅 7小时前 来自 新浪微博还有比世界杯没有卡卡，[呵呵]上网卡卡更悲催的事儿吗？电信光纤拯救你，无线路由白送你，京东卡属于你，网速太快，请系安全带>>http://t.cn/RvJHiSz   回复 FunnyThan 7小时前校友啊！   回复 afeng13142 9小时前牛b   回复 caolaosanahnu 9小时前值得学习   回复 disappearedgod 10小时前mark   回复 逸卿 11小时前不错不错   回复 诸峰之巅 11小时前不错，我的学习是以C为主体编程语言的，您的博文使我对如何进行更好的学习很有帮助，谢谢。   回复 ben大神点C 11小时前风景很漂亮~~/BRBen Tang   回复 qq_16191315 13小时前好啊   回复 xiaolugood 20小时前markzhi   回复 yhuihon 20小时前赞一个，都不知道如何学习看源码，无疑这篇博文，为我点亮了学习的道路，谢谢   回复 ceofit 20小时前必须顶啊！   回复 boylinux 22小时前非常赞！   回复 reed2014 2014-06-06 18:49赞一个，都不知道如何学习看源码，无疑这篇博文，为我点亮了学习的道路，谢谢   回复 rogerjie 2014-06-06 17:58膜拜下。。。。   回复 rationalgo 2014-06-06 17:42mark   回复 小人物- 2014-06-06 16:51mark   回复 bzhxuexi 2014-06-06 16:23学长啊，必须顶啊!   回复 todo9351 2014-06-06 15:37"2. 清楚要分析产品的大体框架和关键性的概念，也就是理解清楚architecture和key concept。"真受不了这装逼，你不会说体系和关键概念吗？非得满口的术语。   回复 zsmd000 10小时前不是帮他辩解，其实我觉得术语比中文翻译更好理解，中文译出来的各不一样反而感觉晦涩，做个demo，功能showcase，诸如此类   回复 hn441907002 2014-06-06 15:36牛人你好   回复 晒乾幸情 2014-06-06 15:34牛   回复 zxfishhack 2014-06-06 15:12mark   回复 qq_16174335 2014-06-06 15:03谢谢   回复 qq_16174321 2014-06-06 15:02谢谢分享   回复 wallaceno1 2014-06-06 13:12写得挺实用的   回复 博晓 2014-06-06 13:05MARK   回复 magicfuzzx 2014-06-06 13:04mark，大家啊   回复 飞天鼠 2014-06-06 12:45mark   回复 aCoder2013 2014-06-06 12:19mark   回复 lazy_virus 2014-06-06 11:35念念不忘，必有回响!1票，来自doglesss    回复 断肠草007 2014-06-06 11:24共勉   回复 星夜落尘 2014-06-06 11:04有干货   回复 lys07962000 2014-06-06 11:04！@#￥#@￥%#￥……56关注下，路过！！！   回复 荒颜 2014-06-06 10:48很能激励人，很多人都想看源码，但是实际往往会无从下手然后放弃，希望自己能慢慢的做到！   回复 V_wo独尊 2014-06-06 10:42mark   回复 back_ystone 2014-06-06 10:40makr,牛人   回复 IT_sBird 2014-06-06 10:24mark ...   回复bzhxuexi 2014-06-06 10:23膜拜大牛，努力！   回复kamen0949 2014-06-06 10:15mark   回复eziowayne 2014-06-06 10:10干货，对理解大项目很有帮助。此人是个低调的大师啊。   回复共2页 首页  上一页 12 下一页  末页请您注意

• ·自觉遵守：爱国、守法、自律、真实、文明的原则
  
• ·尊重网上道德，遵守《全国人大常委会关于维护互联网安全的决定》及中华人民共和国其他各项有关法律法规
  
• ·严禁发表危害国家安全，破坏民族团结、国家宗教政策和社会稳定，含侮辱、诽谤、教唆、淫秽等内容的作品
  
• ·承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  
• ·您在CSDN新闻评论发表的作品，CSDN有权在网站内保留、转载、引用或者删除
  
• ·参与本评论即表明您已经阅读并接受上述条款
  

• CSDN官方微信
  
• 扫描二维码,向CSDN吐槽
  
• 微信号：CSDNnews
  

程序员杂志for iPad 免费下载每日资讯快速浏览微博关注

相关热门文章

• 专访许鹏：谈C程序员修养及大型项目源码阅读与学习
  
• 专访谈天霆：超越PC，绝非妄言
  
• 周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等
  
• 专访Google数据科学家彭晨：大数据成为潮流走近各行各业！
  
• 大数据计算新贵Spark在腾讯雅虎优酷成功应用解析
  
• Amazon继续登顶IaaS魔力象限，榜眼是微软而非Google
  
• 深度分享：我所参加的2014年人机交互（CHI）大会
  
• 【技术博客推荐】张安站：大数据时代下的商业存储
  
• 感受英特尔生态观：一切皆为计算
  
• 中国式大数据与分析的现状和未来趋势
  

热门标签

• Java
  
• VPN
  
• Android
  
• iOS
  
• ERP
  
• IE10
  
• Eclipse
  
• CRM
  
• JavaScript
  
• Ubuntu
  
• NFC
  
• WAP
  
• jQuery
  
• 数据库
  
• BI
  
• HTML5
  
• Spring
  
• Apache
  
• Hadoop
  
• .NET
  
• API
  

CSDN Share PPT下载

CSDN开源夏令营-活动简介幻灯Internet_Trends_2014张亚勤：云计算引领互联网物理化何清：大数据的挑战性问题及关键技术热门专区

• 
  IBM新兴技术大学
  
  
• 
  京东云电商解决方案
  
  
• 
  高通开发者专区
  
  
• 
  异构编程专区
  
  
• 
  Cloud Foundry论坛
  
  

公司简介|招贤纳士|广告服务|银行汇款帐号|联系方式|版权声明|法律顾问|问题报告|合作伙伴|论坛反馈网站客服 杂志客服 微博客服 webmaster@iyunv.com 400-600-2320京 ICP 证 070598 号北京创新乐知信息技术有限公司 版权所有江苏乐知网络技术有限公司 提供商务支持Copyright © 1999-2014, CSDN.NET, All Rights Reserved

• 登录 | 注册
  
• 
  
• 
  

• 业界
  
• 移动开发
  
• 云计算
  
• 软件研发
  
• 程序员杂志
  
• 极客头条
  
• 专题
  

• 大数据
  
• 数据中心
  
• 服务器
  
• 存储
  
• 虚拟化
  
• NoSQL
  
• 安全
  
• 云先锋
  

订阅云计算RSSCSDN首页> 云计算专访许鹏：谈C程序员修养及大型项目源码阅读与学习
发表于2014-06-05 21:16| 19253次阅读| 来源CSDN| 84 条评论| 作者仲浩
云计算大数据SparkStorm编程语言技术博客推荐开源摘要：阅读源码是开源项目最好的学习方式，然而真正的执行起来却并不容易。这里我们为大家分享许鹏的源码阅读经验、C程序员的修养以及Spark和Storm源码走读博文。对许鹏的第一印象来源于其Bolg的粗读，最早时候更准确说应该是博文的粗略统计——1年零6个月完成55篇以上的博文，基本每篇都附有代码，其中更有多篇源码解读博文。而在浏览完大量的Storm和Spark源码阅读后，笔者更认定了这是位Hadoop、Spark、Storm等相关技术从业人员。然而在与许鹏本人沟通之后才发现，其实最贴近他本人的描述正是其Blog简介——“富贵有定数，学问则无定数——求一分，便得一分。”之所以说是贴近，因为其中还少了乐于分享的部分。

关于许鹏：花名@徽沪一郎，2000年毕业于南京邮电学院，现就业于爱立信上海，在UDM部门从事相关产品研发，个人关注于Linux内核及实时计算框架如Storm、Spark等。
正如简介中的描述，许鹏当下从事基于Linux的C&C++开发，正如他所说的“老套、漂亮的不突出的技术”。言归正传，在对许鹏有了简单的了解之后，我们一起走进本次的主题——C程序员的修养、大型项目的源码学习，以及Spark和Storm的源码走读。
免费订阅“CSDN云计算”微信公众号，实时掌握第一手云中消息！
CSDN作为国内最专业的云计算服务平台，提供云计算、大数据、虚拟化、数据中心、OpenStack、CloudStack、Hadoop、Spark、机器学习、智能算法等相关云计算观点，云计算技术，云计算平台，云计算实践，云计算产业资讯等服务。
以下是采访原文：
CSDN：请介绍一下目前您正在从事的研究和工作内容？
许鹏： 目前在公司UDM（User Data Management）部门，从事AAA相关的东西，用于用户Wi-Fi接入认证。由于产品需要迁移到Linux Cluster，所以对IP Load Balance及OpenSAF都有比较深入的研究和理解。

开发是Linux平台上的C&C++编程，常常遇到进程Crash和内存泄露之类的问题，于是就对GDB和Linux内核中的Memory Management有了比较深入的学习。

OpenSAF主要解决高可用和扩展问题。Linux内核显然难度很大，加上实际项目中并没有需求，所以理解起来特别吃力。经过相当长的时间消化理解之后，终于弄明白了内核自举，Memory Management和Network Stack这几个模块。Linux内核是我从实际工作到业余研究的一个关键连结点。内核代码阅读尽管让个人在考虑问题的时候有了一定的长进，但毕竟无法与实际工作相关联，所以热度渐渐降低，其实就是没能因为懂内核而找一份高薪工作啦。然而，Linux内核源码阅读却给我带来了一个非常大的收获——学会了“自我设问，自我解答”。

于是开始搜寻新的热点，从2013年初开始，发觉实时数据分析很热门，看到许多网络大拿在吹捧Storm，于是就开始看Storm的源码。Storm源码的学习过程中主要难点是Clojure语言，这个过程得到了Clojure Programming一书中文译者徐明明的大力帮助，所以渐渐理解了Storm的框架和实现机理，Storm学习的时间持续了大概半年的时间。之所以转到Spark的研究上来，是因为听说Apache Spark也支持Streaming的处理，我很好奇，于是就开始了Spark的源码研究，这中间一方面是看网上的资料，另一方面是自己看源码和做小型的实验来验证猜测，可以说网络让自己的学习大大的缩短。Spark的学习中大量借鉴了酆晓杰（fxjwind）和张包峰的博客，目前，我和他们都建立了良好的互动。
CSDN：多年C和C++项目开发及管理，有什么经验可以分享给这个领域的工作者？在程序员修养方面，他们又应该注意什么，多学些什么，多看些什么？
许鹏：尽管从事C和C++开发多年，我还是不敢说自己非常精通。有的只是一点点的感悟和体会，如果是进行Linux平台下的C语言开发，最好还是就下面几个问题多做一些试验，多读一些相关的书。
1. 程序的运行和加载，推荐程序员的自我修养一书。
2. 内存分配，推荐阅读Ptmalloc源码分析，无论是C还是C++程序员，这一部分是最容易踩雷的，多读一点基础的东西，会在解决实际问题的时候，不至于手足无措。以这些为基础，再结合Valgrind或Purify，相信效果会更好。
3. 多读一点C和C++开发的成功产品，如Apache Http Server和Nginx，这样就容易搞清楚在设计一个系统的时候需要有哪些关注点。

• 是单进程还是多进程，是单进程多线程还是多线程单进程
  
• 进程间通信采用什么方式
  
• 消息的encoding/decoding以及message passing，每次都要自己写一次，不累吗，有没有好的开源实现，如Protobuffer、Thrift
  
• 对于一个Network Server来说，基本构架大体上还是相同的，acceptor→dispatcher→worker
  

4. 《深入理解计算机系统》真的是一本非常不错的书，为什么要这么说，软件的设计还是要以物理设备支持的特性为基础的，这本书让我们在CPU的级别来进一步思考程序设计。
若干年前，金庸群侠传这个游戏很流行，里头有一种武功初练稀松平常，但只要练到第10级，那就比降龙十八掌还厉害。学用C和C++也是如此吧，无它，唯勤而已。
CSDN： 您谈到了因为产品迁移到Linux Cluster所以深入的研究了IP Load Balance及OpenSAF，在这两个方面有可分享给读者的么？

许鹏： IP Load Balance这一块主要是对ipvs和nat的升级协议rsip作了一些研究。有关这方面的资料网上很多，也不敢乱加评论，如果想作细致深入学习的话，以lvs ipvs作为关键字搜一下就可以了。熟悉ipvs最好的方式还是试验加源码阅读，其源码已经在Linux内核之中，在network目录下。
OpenSAF是SAF的开源实现，主要目的是为了解决HA和Scalability的问题，对于电信产品来说，高可靠性始终是一个硬性的指标。SAF制定了一套齐备的标准，在开源实现方面情况变得有意思起来。OpenSAF基本上跟随了SAF标准，而其它一些则认为标准过于庞杂，而只选取其中一部分加以深化实施，如corosync和pacemaker。
CSDN：您花了大量的时间阅读Spark和Storm源码，并进行测试，对这两个计算框架您有做过比较吗？有什么结论可以为大家分享？
许鹏： 这是一个经常会被提及的问题，之所以如此就是因为两个产品都很优秀。Storm是专注于实时流计算的框架，在Twitter有大量成功的应用，其整体架构是非常易于理解的。Spark则更为通用一些，不仅支持实时流计算，也支持批处理，图及机器学习方面的应用。所以要对两者进行比较的话，我们还是将目标缩小到流处理这一块。

• 从应用的广泛程度上来说，Storm可能拥有更多的用户基础。
  
• 从处理速度上而言，似乎Spark更胜一筹。
  
• 从当前整个项目的活跃度而言，Spark更为活跃。
  
• Spark可以与Hadoop的新一代资源管理框架Yarn更为紧密的结合。
  
• Spark有Cloudera的大力支撑，而Hortonwork则是Storm的最大推手，两家都是大数据处理领域的翘楚，一场龙争虎斗很值得期待。
  
• Spark目前还缺少Storm所支持rebalance功能，不能动态利用新增加的节点。
  
• Spark和Storm在支持“exactly-once”的处理上，有不同的实现，Spark是依赖于Spark，而Storm则是利用Trident来解决，TridentTopology对storm中基础的bolt和spout做了封装，让上层应用的开发更加关注于业务本身。
  
• 二者有一个共同的缺点或毛病，就是对资源在较细粒度的调配方面，支持得还不够
  

CSDN：大量开源项目使用和学习经验，您对开源运动怎么看？如何才能更好的学习一个开源项目？开源项目使用时又该注意些什么？
许鹏： 开源项目离不开大家的广泛参与和支持，要让一个开源项目取得成功，有多个方面的因素。

• 产品本身的创新功能
  
• 在实际项目中的应用和推广，业界大佬企业的积极参与
  
• 教育培训市场的积极跟进，也是一个开源项目最终能够长久生存下来的必备因素
  

CSDN：能否分享一些您对当下大数据的看法？
许鹏： 大数据要解决的两大基本问题是“数据存储”和“数据分析”，在数据存储领域，开源实现方面似乎大家都已经首肯HDFS的方式，不再怀疑。
而在数据分析的计算框架方面，目前还有大量的竞争或博弈出现。Spark就是一例，分析领域除了基于传统关系型数据库的分析方式，还有图计算相关和机器学习为代表的数据挖掘。显然机器学习是一个大热门，这一方面个人所知甚少，不敢胡说八道，但门槛似乎很高，数学底子一定要好，决不是简简单单的调用几个API就完事了的。
云计算是大数据的支撑，虽然脱胎于虚拟化，不乏商业宣传的味道，但是大量机器的安装部署，如果全部使用物理机一台台去装，肯定会让人发疯，云计算让大规模部署和产品迁移变的更为简单。
CSDN：对于阅读源码您有着丰富的经验，对想阅读源码又不知道如何下手的同学可否做一些分享？
许鹏： 源码阅读其实是一个逆向的工程，这期间必须会遇到种种问题。一般来说，我会遵循这样一个思维范式——Problem domain→model→architecture&implementation→improvement→best practice。
1. 首先搞清楚要分析的产品解决的问题是什么，这个问题在哪个大的范畴里，也就是要搞清楚problem domain。一个著名的开源产品必定在Wikipedia上有相应的条目，所以一开始去看wikipedia是破题的一种极好方式。
2. 清楚要分析产品的大体框架和关键性的概念，也就是理解清楚architecture和key concept。
3. 将分析的产品实实在在的运行起来，我一般选择debian或archlinux作为工作平台，它们提供了丰富的软件包，可以很快的将东西安装并运行。熟悉Linux本身对于开源项目的源码阅读还是大有裨益的。
4. 修改日志级别，得到丰富的日志信息。有了这个为基础，再来开始真正的源码阅读和分析。
5. 源码分析的时候，要始终问这几个问题。

• 进程以及线程的启动顺序
  
• 搞清楚调用关系call flow
  

• 这一部分代码是在同一个进程中么，同一个线程中么，运行在同一台机器中么
  
• 每一个线程都要问清楚，什么时候启动的，什么时候停止的
  

• 消息传递的路径，针对每一个函数，搞清楚，input是谁传给我的，output要传给谁，由哪个来传
  
• 搞清楚上述的问题之后，就将最开始提到的对architecture的了解做到具体而微了。有了这个基础之后，再继续往下问
  

• 当前实现的性能如何，比如i/o, cpu, network 这个需要做相应的测试方面的试验
  
• 当前的解决方案还有优化空间吗，比如针对spark中的scheduling问题，就有sparrow的优化机制提出
  

6. 碰到具体的问题一时解决不了怎么办

• 用好google，用好stackoverflow
  
• 将碰到的问题模型化，写一些验证性的代码，或者是写一个小的demo来验证，我在解决许多很妖的bug，也是采用类似的思路
  
• 找到相应的用户论坛，发帖虚心请教
  
• 如果还是不行，就先搁一搁，去看能看懂的地方
  

7. 编程语言选择

• 源码阅读中可能遇到的一个问题就是这个语言是新近出来的，我根本没学过，我需要系统去掌握该语言之后，才能来看源码么。我的看法是可以边看边学，在掌握语言的过程中，牢牢把握住这几个问题
  

• 基本语法：数据类型、控制语句、函数定义
  
• 是否支持FP
  
• 多态和继承
  

• 现代编程语言基本上都混合了面向过程，面向对象和函数式编程的特点，即便是C++或新近的java8都如此。
  
• Storm用Clojure来编写，而Spark使用Scala，就语言的偏好来说，我更喜欢Clojure一些。
  

稍微总结一下，我想源码分析心中要有两幅大图，将整体与局部很好的结合起来思考

• 一是太极图，要有整体性的思维，要对architecture有掌握，对其在整个生态系统中的定位要清楚，东方式的思维强调整体性
  
• 二是数学中常见的笛卡尔坐标体系，将大的问题拆分之后一一研究，做到具体而微，西方式的思维强调个性
  

CSDN：有什么可以补充给读者的？
许鹏： 选择自己感兴趣的东西，坚持做下去，一定会有回报，诚如《一代宗师》中所说的那样，“念念不忘，必有回响”。
编码到底是一件技术活，还是一项艺术活，这是一个令人纠结的话题。

最后，感谢CSDN的采访，谢谢那些为开源项目耗费大量精力的开发者。由于本人代码阅读时间比较仓促，错误在所难免，有不对的地方，敬请指出，学无先后，能者为师。
Storm&Spark源码走读

读源码是开源项目最好的学习方式，然而当项目规模达到一定程度时，就像许鹏所说，源码阅读其实是一个逆向的工程，这期间必须会遇到种种问题。这里我们为大家分享许鹏的Spark和Storm源码走读，方便大家学习。

Spark

• 许鹏：从零开始学习，Apache Spark源码走读1和2
  
• Apache Spark源码走读之3 -- Task运行期之函数调用关系分析
  
• Apache Spark源码走读之4 -- DStream实时流数据处理
  
• Apache Spark源码走读之5 -- DStream处理的容错性分析
  
• Apache Spark源码走读之6 -- 存储子系统分析
  
• Apache Spark源码走读之7 -- Standalone部署方式分析
  
• Apache Spark源码走读之8 -- Spark on Yarn
  
• Apache Spark源码走读之9 -- Spark源码编译
  
• Apache Spark源码走读之10 -- 在YARN上运行SparkPi
  
• Apache Spark源码走读之11 -- sql的解析与执行
  
• Apache Spark源码走读之12 -- Hive on Spark运行环境搭建
  
• Apache Spark源码走读之13 -- hiveql on spark实现详解
  

Storm

• Apache Storm源码阅读笔记（PDF版）
  

文/仲浩

免费订阅“CSDN云计算”微信公众号，实时掌握第一手云中消息！
CSDN作为国内最专业的云计算服务平台，提供云计算、大数据、虚拟化、数据中心、OpenStack、CloudStack、Hadoop、Spark、机器学习、智能算法等相关云计算观点，云计算技术，云计算平台，云计算实践，云计算产业资讯等服务。

顶84 踩3推荐阅读相关主题： 程序员 专访 阅读 源码 linux内核 云计算平台

• 相关文章
  
• 最新报道
  

• 周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等
  
• 一周消息树：我们从WWDC 2014收获了什么？
  
• Talend为Hadoop更新开源大数据平台，性能大幅提高
  
• 郭蕴华：Spark监控实战
  
• 李巍：TDW与PostgreSQL数据互访问功能
  
• 马淑婧：TDW Protobuf存储格式功能介绍
  

已有84条评论

还可以再输入500个字
您还没有登录! 请 登录 或 注册

• 最新评论
  
• 最热评论
  

山依然 6秒前牛   回复armstrongoyw 1小时前太厉害了，高手呀，膜拜中...！   回复sinat_16225025 2小时前Joan   回复hua田木又寸下 4小时前马克   回复arcopengl 5小时前mark   回复qq_16213461 5小时前厉害啊   回复qq_16212153 5小时前厉害！   回复龙门威甲 5小时前太厉害了，推荐的书我仅仅是听说过！   回复中国电信广东网厅 7小时前 来自新浪微博还有比世界杯没有卡卡，上网卡卡更悲催的事儿吗？电信光纤拯救你，无线路由白送[呵呵]你，京东卡属于你，网速太快，请系安全带>>http://t.cn/RvJQwQP   回复ZZW_19951211 7小时前牛   回复中国电信广东网厅 7小时前 来自新浪微博还有比世界杯没有卡卡，[呵呵]上网卡卡更悲催的事儿吗？电信光纤拯救你，无线路由白送你，京东卡属于你，网速太快，请系安全带>>http://t.cn/RvJHiSz   回复FunnyThan 7小时前校友啊！   回复afeng13142 9小时前牛b   回复caolaosanahnu 9小时前值得学习   回复disappearedgod 10小时前mark   回复逸卿 11小时前不错不错   回复诸峰之巅 11小时前不错，我的学习是以C为主体编程语言的，您的博文使我对如何进行更好的学习很有帮助，谢谢。   回复ben大神点C 11小时前风景很漂亮~~/BRBen Tang   回复qq_16191315 13小时前好啊   回复xiaolugood 20小时前markzhi   回复yhuihon 20小时前赞一个，都不知道如何学习看源码，无疑这篇博文，为我点亮了学习的道路，谢谢   回复ceofit 20小时前必须顶啊！   回复boylinux 22小时前非常赞！   回复reed2014 2014-06-06 18:49赞一个，都不知道如何学习看源码，无疑这篇博文，为我点亮了学习的道路，谢谢   回复rogerjie 2014-06-06 17:58膜拜下。。。。   回复rationalgo 2014-06-06 17:42mark   回复小人物- 2014-06-06 16:51mark   回复bzhxuexi 2014-06-06 16:23学长啊，必须顶啊!   回复todo9351 2014-06-06 15:37"2. 清楚要分析产品的大体框架和关键性的概念，也就是理解清楚architecture和key concept。"真受不了这装逼，你不会说体系和关键概念吗？非得满口的术语。   回复zsmd000 10小时前不是帮他辩解，其实我觉得术语比中文翻译更好理解，中文译出来的各不一样反而感觉晦涩，做个demo，功能showcase，诸如此类   回复hn441907002 2014-06-06 15:36牛人你好   回复晒乾幸情 2014-06-06 15:34牛   回复zxfishhack 2014-06-06 15:12mark   回复qq_16174335 2014-06-06 15:03谢谢   回复qq_16174321 2014-06-06 15:02谢谢分享   回复wallaceno1 2014-06-06 13:12写得挺实用的   回复博晓 2014-06-06 13:05MARK   回复magicfuzzx 2014-06-06 13:04mark，大家啊   回复飞天鼠 2014-06-06 12:45mark   回复aCoder2013 2014-06-06 12:19mark   回复lazy_virus 2014-06-06 11:35念念不忘，必有回响!1票，来自doglesss    回复断肠草007 2014-06-06 11:24共勉   回复星夜落尘 2014-06-06 11:04有干货   回复lys07962000 2014-06-06 11:04！@#￥#@￥%#￥……56关注下，路过！！！   回复荒颜 2014-06-06 10:48很能激励人，很多人都想看源码，但是实际往往会无从下手然后放弃，希望自己能慢慢的做到！   回复V_wo独尊 2014-06-06 10:42mark   回复back_ystone 2014-06-06 10:40makr,牛人   回复IT_sBird 2014-06-06 10:24mark ...   回复bzhxuexi 2014-06-06 10:23膜拜大牛，努力！   回复kamen0949 2014-06-06 10:15mark   回复eziowayne 2014-06-06 10:10干货，对理解大项目很有帮助。此人是个低调的大师啊。   回复共2页 首页  上一页 12 下一页  末页请您注意

• ·自觉遵守：爱国、守法、自律、真实、文明的原则
  
• ·尊重网上道德，遵守《全国人大常委会关于维护互联网安全的决定》及中华人民共和国其他各项有关法律法规
  
• ·严禁发表危害国家安全，破坏民族团结、国家宗教政策和社会稳定，含侮辱、诽谤、教唆、淫秽等内容的作品
  
• ·承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  
• ·您在CSDN新闻评论发表的作品，CSDN有权在网站内保留、转载、引用或者删除
  
• ·参与本评论即表明您已经阅读并接受上述条款
  

• CSDN官方微信
  
• 扫描二维码,向CSDN吐槽
  
• 微信号：CSDNnews
  

程序员杂志foriPad 免费下载每日资讯快速浏览微博关注

相关热门文章

• 专访许鹏：谈C程序员修养及大型项目源码阅读与学习
  
• 专访谈天霆：超越PC，绝非妄言
  
• 周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等
  
• 专访Google数据科学家彭晨：大数据成为潮流走近各行各业！
  
• 大数据计算新贵Spark在腾讯雅虎优酷成功应用解析
  
• Amazon继续登顶IaaS魔力象限，榜眼是微软而非Google
  
• 深度分享：我所参加的2014年人机交互（CHI）大会
  
• 【技术博客推荐】张安站：大数据时代下的商业存储
  
• 感受英特尔生态观：一切皆为计算
  
• 中国式大数据与分析的现状和未来趋势
  

热门标签

• Java
  
• VPN
  
• Android
  
• iOS
  
• ERP
  
• IE10
  
• Eclipse
  
• CRM
  
• JavaScript
  
• Ubuntu
  
• NFC
  
• WAP
  
• jQuery
  
• 数据库
  
• BI
  
• HTML5
  
• Spring
  
• Apache
  
• Hadoop
  
• .NET
  
• API
  

CSDN Share PPT下载

CSDN开源夏令营-活动简介幻灯Internet_Trends_2014张亚勤：云计算引领互联网物理化何清：大数据的挑战性问题及关键技术热门专区

• 
  IBM新兴技术大学
  
  
• 
  京东云电商解决方案
  
  
• 
  高通开发者专区
  
  
• 
  异构编程专区
  
  
• 
  CloudFoundry论坛
  
  

公司简介|招贤纳士|广告服务|银行汇款帐号|联系方式|版权声明|法律顾问|问题报告|合作伙伴|论坛反馈网站客服 杂志客服 微博客服 webmaster@iyunv.com 400-600-2320京 ICP 证 070598 号北京创新乐知信息技术有限公司 版权所有江苏乐知网络技术有限公司 提供商务支持Copyright © 1999-2014, CSDN.NET, All Rights Reserved