我们来看看fetch是如何工作的,如何启动多线程。
看1084行,创建了一个NutchConf,在nutch中,用到了hadoop库来管理分布式的文件系统和作业处理,NutchConf从JobConf继承而来,作为一个Job的运行参数,其中提供了Job所需的所有信息。
1086行,fetcher的运行线程数是通过JobConf来传递的,而后设置输入路径,输入内容的格式,job.setMapRunnerClass则是设置Map操作的运行类,这是所有fetcher工作的核心部分,在hadoop的runJob的过程中会调用该处注册的RunnerClass。
1098行,利用JobClient的静态函数runJob运行前面所配置的JobConf。
而后进入了hadoop的内部实现,这儿不去深究,我通过度hadoop的内部实现,发现这个JobClient.runJob是一个同步的操作,它会等待Job执行完毕后才返回。runJob会执行我们注册的Fetcher.class中的run函数,有两个run函数,注意区分。