Map/Reduce是一個用于大規(guī)模數(shù)據(jù)處理的分布式計算模型，它最初是由Google工程師設(shè)計并實(shí)現(xiàn)的，Google已經(jīng)將它完整的MapReduce論文公開發(fā)布了。其中對它的定義是，Map/Reduce是一個編程模型（programming model），是一個用于處理和生成大規(guī)模數(shù)據(jù)集（processing and generating large data sets）的相關(guān)的實(shí)現(xiàn)。用戶定義一個map函數(shù)來處理一個key/value對以生成一批中間的key/value對，再定義一個reduce函數(shù)將所有這些中間的有著相同key的values合并起來。很多現(xiàn)實(shí)世界中的任務(wù)都可用這個模型來表達(dá)。
Hadoop的Map/Reduce框架也是基于這個原理實(shí)現(xiàn)的，下面簡要介紹一下Map/Reduce框架主要組成及相互的關(guān)系。
運(yùn)行于Hadoop的MapReduce應(yīng)用程序最基本的組成部分包括一個Mapper和一個Reducer類，以及一個創(chuàng)建JobConf的執(zhí)行程序，在一些應(yīng)用中還可以包括一個Combiner類，它實(shí)際也是Reducer的實(shí)現(xiàn)。
它們都是由一個master服務(wù)JobTracker和多個運(yùn)行于多個節(jié)點(diǎn)的slaver服務(wù)TaskTracker兩個類提供的服務(wù)調(diào)度的。master負(fù)責(zé)調(diào)度job的每一個子任務(wù)task運(yùn)行于slave上，并監(jiān)控它們，如果發(fā)現(xiàn)有失敗的task就重新運(yùn)行它，slave則負(fù)責(zé)直接執(zhí)行每一個task。TaskTracker都需要運(yùn)行在HDFS的DataNode上，而JobTracker則不需要，一般情況應(yīng)該把JobTracker部署在單獨(dú)的機(jī)器上。
每一個job都會在用戶端通過JobClient類將應(yīng)用程序以及配置參數(shù)Configuration打包成jar文件存儲在HDFS，并把路徑提交到JobTracker的master服務(wù)，然后由master創(chuàng)建每一個Task（即MapTask和ReduceTask）將它們分發(fā)到各個TaskTracker服務(wù)中去執(zhí)行。
JobClient提交job后，JobTracker會創(chuàng)建一個JobInProgress來跟蹤和調(diào)度這個job，并把它添加到job隊(duì)列里。JobInProgress會根據(jù)提交的job jar中定義的輸入數(shù)據(jù)集（已分解成FileSplit）創(chuàng)建對應(yīng)的一批TaskInProgress用于監(jiān)控和調(diào)度MapTask，同時在創(chuàng)建指定數(shù)目的TaskInProgress用于監(jiān)控和調(diào)度ReduceTask，缺省為1個ReduceTask。
JobTracker啟動任務(wù)時通過每一個TaskInProgress來launchTask，這時會把Task對象（即MapTask和ReduceTask）序列化寫入相應(yīng)的TaskTracker服務(wù)中，TaskTracker收到后會創(chuàng)建對應(yīng)的TaskInProgress（此TaskInProgress實(shí)現(xiàn)非JobTracker中使用的TaskInProgress，作用類似）用于監(jiān)控和調(diào)度該Task。啟動具體的Task進(jìn)程是通過TaskInProgress管理的TaskRunner對象來運(yùn)行的。TaskRunner會自動裝載job jar，并設(shè)置好環(huán)境變量后啟動一個獨(dú)立的java child進(jìn)程來執(zhí)行Task，即MapTask或者ReduceTask，但它們不一定運(yùn)行在同一個TaskTracker中。
一個完整的job會自動依次執(zhí)行Mapper、Combiner（在JobConf指定了Combiner時執(zhí)行）和Reducer，其中Mapper和Combiner是由MapTask調(diào)用執(zhí)行，Reducer則由ReduceTask調(diào)用，Combiner實(shí)際也是Reducer接口類的實(shí)現(xiàn)。Mapper會根據(jù)job jar中定義的輸入數(shù)據(jù)集按<key1,value1>對讀入，處理完成生成臨時的<key2,value2>對，如果定義了Combiner，MapTask會在Mapper完成調(diào)用該Combiner將相同key的值做合并處理，以減少輸出結(jié)果集。MapTask的任務(wù)全完成即交給ReduceTask進(jìn)程調(diào)用Reducer處理，生成最終結(jié)果<key3,value3>對。這個過程在下一部分再詳細(xì)介紹。
下圖描述了Map/Reduce框架中主要組成和它們之間的關(guān)系：
2.2 Job創(chuàng)建過程
一個MapReduce的Job會通過JobClient類根據(jù)用戶在JobConf類中定義的InputFormat實(shí)現(xiàn)類來將輸入的數(shù)據(jù)集分解成一批小的數(shù)據(jù)集，每一個小數(shù)據(jù)集會對應(yīng)創(chuàng)建一個MapTask來處理。JobClient會使用缺省的FileInputFormat類調(diào)用FileInputFormat.getSplits()方法生成小數(shù)據(jù)集，如果判斷數(shù)據(jù)文件是isSplitable()的話，會將大的文件分解成小的FileSplit，當(dāng)然只是記錄文件在HDFS里的路徑及偏移量和Split大小。這些信息會統(tǒng)一打包到jobFile的jar中并存儲在HDFS中，再將jobFile路徑提交給JobTracker去調(diào)度和執(zhí)行。
jobFile的提交過程是通過RPC模塊（有單獨(dú)一章來詳細(xì)介紹）來實(shí)現(xiàn)的。大致過程是，JobClient類中通過RPC實(shí)現(xiàn)的Proxy接口調(diào)用JobTracker的submitJob()方法，而JobTracker必須實(shí)現(xiàn)JobSubmissionProtocol接口。JobTracker則根據(jù)獲得的jobFile路徑創(chuàng)建與job有關(guān)的一系列對象（即JobInProgress和TaskInProgress等）來調(diào)度并執(zhí)行job。
JobTracker創(chuàng)建job成功后會給JobClient傳回一個JobStatus對象用于記錄job的狀態(tài)信息，如執(zhí)行時間、Map和Reduce任務(wù)完成的比例等。JobClient會根據(jù)這個JobStatus對象創(chuàng)建一個NetworkedJob的RunningJob對象，用于定時從JobTracker獲得執(zhí)行過程的統(tǒng)計數(shù)據(jù)來監(jiān)控并打印到用戶的控制臺。
與創(chuàng)建Job過程相關(guān)的類和方法如下圖所示
上面已經(jīng)提到，job是統(tǒng)一由JobTracker來調(diào)度的，具體的Task分發(fā)給各個TaskTracker節(jié)點(diǎn)來執(zhí)行。下面通過源碼來詳細(xì)解析執(zhí)行過程，首先先從JobTracker收到JobClient的提交請求開始。
當(dāng)JobTracker接收到新的job請求（即submitJob()函數(shù)被調(diào)用）后，會創(chuàng)建一個JobInProgress對象并通過它來管理和調(diào)度任務(wù)。JobInProgress在創(chuàng)建的時候會初始化一系列與任務(wù)有關(guān)的參數(shù)，如job jar的位置（會把它從HDFS復(fù)制本地的文件系統(tǒng)中的臨時目錄里），Map和Reduce的數(shù)據(jù)，job的優(yōu)先級別，以及記錄統(tǒng)計報告的對象等。
JobInProgress創(chuàng)建后，首先將它加入到jobs隊(duì)列里，分別用一個map成員變量jobs用來管理所有jobs對象，一個list成員變量jobsByPriority用來維護(hù)jobs的執(zhí)行優(yōu)先級別。之后JobTracker會調(diào)用resortPriority()函數(shù)，將jobs先按優(yōu)先級別排序，再按提交時間排序，這樣保證最高優(yōu)先并且先提交的job會先執(zhí)行。
然后JobTracker會把此job加入到一個管理需要初始化的隊(duì)列里，即一個list成員變量jobInitQueue里。通過此成員變量調(diào)用notifyAll()函數(shù)，會喚起一個用于初始化job的線程JobInitThread來處理（JobTracker會有幾個內(nèi)部的線程來維護(hù)jobs隊(duì)列，它們的實(shí)現(xiàn)都在JobTracker代碼里，稍候再詳細(xì)介紹）。JobInitThread收到信號后即取出最靠前的job，即優(yōu)先級別最高的job，調(diào)用JobInProgress的initTasks()函數(shù)執(zhí)行真正的初始化工作。
Task的初始化過程稍復(fù)雜些，首先步驟JobInProgress會創(chuàng)建Map的監(jiān)控對象。在initTasks()函數(shù)里通過調(diào)用JobClient的readSplitFile()獲得已分解的輸入數(shù)據(jù)的RawSplit列表，然后根據(jù)這個列表創(chuàng)建對應(yīng)數(shù)目的Map執(zhí)行管理對象TaskInProgress。在這個過程中，還會記錄該RawSplit塊對應(yīng)的所有在HDFS里的blocks所在的DataNode節(jié)點(diǎn)的host，這個會在RawSplit創(chuàng)建時通過FileSplit的getLocations()函數(shù)獲取，該函數(shù)會調(diào)用DistributedFileSystem的getFileCacheHints()獲得（這個細(xì)節(jié)會在HDFS模塊中講解）。當(dāng)然如果是存儲在本地文件系統(tǒng)中，即使用LocalFileSystem時當(dāng)然只有一個location即“localhost”了。
其次JobInProgress會創(chuàng)建Reduce的監(jiān)控對象，這個比較簡單，根據(jù)JobConf里指定的Reduce數(shù)目創(chuàng)建，缺省只創(chuàng)建1個Reduce任務(wù)。監(jiān)控和調(diào)度Reduce任務(wù)的也是TaskInProgress類，不過構(gòu)造方法有所不同，TaskInProgress會根據(jù)不同參數(shù)分別創(chuàng)建具體的MapTask或者ReduceTask。
JobInProgress創(chuàng)建完TaskInProgress后，最后構(gòu)造JobStatus并記錄job正在執(zhí)行中，然后再調(diào)用JobHistory.JobInfo.logStarted()記錄job的執(zhí)行日志。到這里JobTracker里初始化job的過程全部結(jié)束，執(zhí)行則是通過另一異步的方式處理的，下面接著介紹它。
與初始化Job過程相關(guān)的類和方法如下圖所示
Task的執(zhí)行實(shí)際是由TaskTracker發(fā)起的，TaskTracker會定期（缺省為10秒鐘，參見MRConstants類中定義的HEARTBEAT_INTERVAL變量）與JobTracker進(jìn)行一次通信，報告自己Task的執(zhí)行狀態(tài)，接收JobTracker的指令等。如果發(fā)現(xiàn)有自己需要執(zhí)行的新任務(wù)也會在這時啟動，即是在TaskTracker調(diào)用JobTracker的heartbeat()方法時進(jìn)行，此調(diào)用底層是通過IPC層調(diào)用Proxy接口（在IPC章節(jié)詳細(xì)介紹）實(shí)現(xiàn)。這個過程實(shí)際比較復(fù)雜，下面一一簡單介紹下每個步驟。
TaskTracker的啟動過程會初始化一系列參數(shù)和服務(wù)（另有單獨(dú)的一節(jié)介紹），然后嘗試連接JobTracker服務(wù)（即必須實(shí)現(xiàn)InterTrackerProtocol接口），如果連接斷開，則會循環(huán)嘗試連接JobTracker，并重新初始化所有成員和參數(shù)，此過程參見run()方法。
如果連接JobTracker服務(wù)成功，TaskTracker就會調(diào)用offerService()函數(shù)進(jìn)入主執(zhí)行循環(huán)中。這個循環(huán)會每隔10秒與JobTracker通訊一次，調(diào)用transmitHeartBeat()獲得HeartbeatResponse信息。然后調(diào)用HeartbeatResponse的getActions()函數(shù)獲得JobTracker傳過來的所有指令即一個TaskTrackerAction數(shù)組。再遍歷這個數(shù)組，如果是一個新任務(wù)指令即LaunchTaskAction則調(diào)用startNewTask()函數(shù)執(zhí)行新任務(wù)，否則加入到tasksToCleanup隊(duì)列，交給一個taskCleanupThread線程來處理，如執(zhí)行KillJobAction或者KillTaskAction等。
在transmitHeartBeat()函數(shù)處理中，TaskTracker會創(chuàng)建一個新的TaskTrackerStatus對象記錄目前任務(wù)的執(zhí)行狀況，然后通過IPC接口調(diào)用JobTracker的heartbeat()方法發(fā)送過去，并接受新的指令，即返回值TaskTrackerAction數(shù)組。在這個調(diào)用之前，TaskTracker會先檢查目前執(zhí)行的Task數(shù)目以及本地磁盤的空間使用情況等，如果可以接收新的Task則設(shè)置heartbeat()的askForNewTask參數(shù)為true。操作成功后再更新相關(guān)的統(tǒng)計信息等。
此函數(shù)的主要任務(wù)就是創(chuàng)建TaskTracker$TaskInProgress對象來調(diào)度和監(jiān)控任務(wù)，并把它加入到runningTasks隊(duì)列中。完成后則調(diào)用localizeJob()真正初始化Task并開始執(zhí)行。
此函數(shù)主要任務(wù)是初始化工作目錄workDir，再將job jar包從HDFS復(fù)制到本地文件系統(tǒng)中，調(diào)用RunJar.unJar()將包解壓到工作目錄。然后創(chuàng)建一個RunningJob并調(diào)用addTaskToJob()函數(shù)將它添加到runningJobs監(jiān)控隊(duì)列中。完成后即調(diào)用launchTaskForJob()開始執(zhí)行Task。
啟動Task的工作實(shí)際是調(diào)用TaskTracker$TaskInProgress的launchTask()函數(shù)來執(zhí)行的。
執(zhí)行任務(wù)前先調(diào)用localizeTask()更新一下jobConf文件并寫入到本地目錄中。然后通過調(diào)用Task的createRunner()方法創(chuàng)建TaskRunner對象并調(diào)用其start()方法最后啟動Task獨(dú)立的java執(zhí)行子進(jìn)程。
Task有兩個實(shí)現(xiàn)版本，即MapTask和ReduceTask，它們分別用于創(chuàng)建Map和Reduce任務(wù)。MapTask會創(chuàng)建MapTaskRunner來啟動Task子進(jìn)程，而ReduceTask則創(chuàng)建ReduceTaskRunner來啟動。
這里是真正啟動子進(jìn)程并執(zhí)行Task的地方。它會調(diào)用run()函數(shù)來處理。執(zhí)行的過程比較復(fù)雜，主要的工作就是初始化啟動java子進(jìn)程的一系列環(huán)境變量，包括設(shè)定工作目錄workDir，設(shè)置CLASSPATH環(huán)境變量等（需要將TaskTracker的環(huán)境變量以及job jar的路徑合并起來）。然后裝載job jar包，調(diào)用runChild()方法啟動子進(jìn)程，即通過ProcessBuilder來創(chuàng)建，同時子進(jìn)程的stdout/stdin/syslog的輸出定向到該Task指定的輸出日志目錄中，具體的輸出通過TaskLog類來實(shí)現(xiàn)。這里有個小問題，Task子進(jìn)程只能輸出INFO級別日志，而且該級別是在run()函數(shù)中直接指定，不過改進(jìn)也不復(fù)雜。
與Job執(zhí)行過程相關(guān)的類和方法如下圖所示
如上面所述，JobTracker和TaskTracker是MapReduce框架最基本的兩個服務(wù)，其他所有處理均由它們調(diào)度執(zhí)行，下面簡單介紹它們內(nèi)部提供的服務(wù)及創(chuàng)建的線程，詳細(xì)過程下回分解J
JobTracker是MapReduce框架中最主要的類之一，所有job的執(zhí)行都由它來調(diào)度，而且Hadoop系統(tǒng)中只配置一個JobTracker應(yīng)用。啟動JobTracker后它會初始化若干個服務(wù)以及若干個內(nèi)部線程用來維護(hù)job的執(zhí)行過程和結(jié)果。下面簡單介紹一下它們。
首先，JobTracker會啟動一個interTrackerServer，端口配置在Configuration中的"mapred.job.tracker"參數(shù)，缺省是綁定8012端口。它有兩個用途，一是用于接收和處理TaskTracker的heartbeat等請求，即必須實(shí)現(xiàn)InterTrackerProtocol接口及協(xié)議。二是用于接收和處理JobClient的請求，如submitJob，killJob等，即必須實(shí)現(xiàn)JobSubmissionProtocol接口及協(xié)議。
其次，它會啟動一個infoServer，運(yùn)行StatusHttpServer，缺省監(jiān)聽50030端口。是一個web服務(wù)，用于給用戶提供web界面查詢job執(zhí)行狀況的服務(wù)。
JobTracker還會啟動多個線程，ExpireLaunchingTasks線程用于停止那些未在超時時間內(nèi)報告進(jìn)度的Tasks。ExpireTrackers線程用于停止那些可能已經(jīng)當(dāng)?shù)舻?/span>TaskTracker，即長時間未報告的TaskTracker將不會再分配新的Task。RetireJobs線程用于清除那些已經(jīng)完成很長時間還存在隊(duì)列里的jobs。JobInitThread線程用于初始化job，這在前面章節(jié)已經(jīng)介紹。TaskCommitQueue線程用于調(diào)度Task的那些所有與FileSystem操作相關(guān)的處理，并記錄Task的狀態(tài)等信息。
TaskTracker也是MapReduce框架中最主要的類之一，它運(yùn)行于每一臺DataNode節(jié)點(diǎn)上，用于調(diào)度Task的實(shí)際運(yùn)行工作。它內(nèi)部也會啟動一些服務(wù)和線程。
TaskTracker也會啟動一個StatusHttpServer服務(wù)來提供web界面的查詢Task執(zhí)行狀態(tài)的工具。
其次，它還會啟動一個taskReportServer服務(wù)，這個用于提供給它的子進(jìn)程即TaskRunner啟動的MapTask或者ReduceTask向它報告狀況，子進(jìn)程的啟動命令實(shí)現(xiàn)在TaskTracker$Child類中，由TaskRunner.run()通過命令行參數(shù)傳入該服務(wù)地址和端口，即調(diào)用TaskTracker的getTaskTrackerReportAddress()，這個地址會在taskReportServer服務(wù)創(chuàng)建時獲得。
TaskTracker也會啟動一個MapEventsFetcherThread線程用于獲取Map任務(wù)的輸出數(shù)據(jù)信息。
2.5 Job狀態(tài)監(jiān)控
未完待續(xù)
作者：naven 2008-02-21