Hadoop0.21.0源码流程分析(1)-客户端提交作业

 

•   流程图

 

•   函数调用关系图

•     JobConf

          JobConf 类继承 org.apache.hadoop.conf.Configuration 类，所有客户端程序中配置的信息和其他运行信息，都会保存在这个类里。

 

• JobClient

        JobClient.runJob(job) 静态方法会实例化一个 JobClient 实例 , 然后用此实例的 submitJob(conf) 方法向  master 提交作业。此方法会返回一个 RunningJob 对象，它用来跟踪作业的状态。作业提交完毕后， JobClient 会根据此对象开始轮询作业的进度，直到作业完成。

submitJob(conf) 内部是通过 submitJobInternal(job) 方法完成实质性的作业提交。    submitJobInternal(job) 方法首先会向 hadoop 分布系统文件系统 hdfs 依次上传三个文件 : job.jar, job.split 和 job.xml 。

job.xml:  作业配置，例如 Mapper, Combiner, Reducer 的类型，输入输出格式的类型等。

job.jar: jar 包 , 里面包含了执行此任务需要的各种类，比如  Mapper,Reducer 等实现。

job.split:  文件分块的相关信息，比如有数据分多少个块，块的大小 ( 默认 64m ) 等。

          写完这三个文件之后 ,  此方法会通过 RPC 调用 master 节点上的 JobTracker. submitJob( ) 方法，此时作业已经提交完成。

          JobClient 里面使用 使用 RPC 机制来构造一个实现  JobSubmissionProtocol 接口的 JobTracker 的 代理，然后利用远程发放直接执行 JobTracker 里的 submitJob 。

 

• JobTracker

          JobClient 提交 job 后， JobTracker 会创建一个 JobInProgress 来跟踪和调度这个 job ，并把它添加到 job 队列里。 JobInProgress 会根据提交的 job jar 中定义的输入数据集（已分解成 FileSplit ）创建对应的一批 TaskInProgress 用于监控和调度 MapTask 和 ReduceTask 。