Hadoop Tool,ToolRunner原理分析

先看Configurable 接口：

1 2 3 4

public  interface Configurable  { void setConf (Configuration conf ) ;   Configuration getConf ( ) ; }

Configurable接口只定义了两个方法：setConf与 getConf。
Configured类实现了Configurable接口：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

public  class Configured  implements Configurable  {    private Configuration conf ;      public Configured ( )  {      this ( null ) ;    }    public Configured (Configuration conf )  {     setConf (conf ) ;    }      public  void setConf (Configuration conf )  {      this. conf  = conf ;    }   public Configuration getConf ( )  {      return conf ;    } }

Tool接口继承了Configurable接口，只有一个run()方法。(接口继承接口)

1 2 3

public  interface Tool  extends Configurable  {    int run ( String  [ ] args )  throws  Exception ; }

继承关系如下：

再看ToolRunner类的一部分：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

public  class ToolRunner  {    public  static  int run (Configuration conf, Tool tool,  String [ ] args )    throws  Exception {      if (conf  ==  null )  {      conf  =  new Configuration ( ) ;      }     GenericOptionsParser parser  =  new GenericOptionsParser (conf, args ) ;      //set the configuration back, so that Tool can configure itself     tool. setConf (conf ) ;      //get the args w/o generic hadoop args      String [ ] toolArgs  = parser. getRemainingArgs ( ) ;      return tool. run (toolArgs ) ;    } }

从ToolRunner的静态方法run()可以看到，其通过GenericOptionsParser 来读取传递给run的job的conf和命令行参数args，处理hadoop的通用命令行参数，然后将剩下的job自己定义的参数(toolArgs = parser.getRemainingArgs();)交给tool来处理,再由tool来运行自己的run方法。

通用命令行参数指的是对任意的一个job都可以添加的，如：

-conf < configuration file >     specify a configuration file
-D < property=value >            use value for given property
-fs < local|namenode:port >      specify a namenode
-jt < local|jobtracker:port >    specify a job tracker
-files < comma separated list of files >    specify comma separated files to be copied to the map reduce cluster
-libjars < comma separated list of jars >   specify comma separated jar files to include in the classpath.
-archives < comma separated list of archives >    specify comma separated archives to be unarchived on the compute machines.

一个典型的实现Tool的程序：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57

/** MyApp 需要从命令行读取参数，用户输入命令如， $bin/hadoop jar MyApp.jar -archives test.tgz  arg1 arg2 -archives 为hadoop通用参数，arg1 ,arg2为job的参数 */ public  class MyApp  extends Configured  implements Tool  { //implemet Tool’s run      public  int run ( String [ ] args )  throws  Exception  {         Configuration conf  = getConf ( ) ; // Create a JobConf using the processed conf         JobConf job  =  new JobConf (conf, MyApp. class ) ; // Process custom command-line options         Path in  =  new Path (args [ 1 ] ) ;         Path out  =  new Path (args [ 2 ] ) ; // Specify various job-specific parameters         job. setJobName ( "my-app" ) ;         job. setInputPath (in ) ;         job. setOutputPath (out ) ;         job. setMapperClass (MyApp. MyMapper. class ) ;         job. setReducerClass (MyApp. MyReducer. class ) ;                  JobClient. runJob (job ) ;      }      public  static  void main ( String [ ] args )  throws  Exception  { // args由ToolRunner来处理          int res  = ToolRunner. run ( new Configuration ( ),  new MyApp ( ), args ) ;          System. exit (res ) ;      } }