hadoop配置文件加載順序

　　用了一段時間的hadoop，現在回來看看源碼發現別有一番味道，溫故而知新，還真是這樣的

　　在使用hadoop之前我們需要配置一些文件，hadoop-env.sh，core-site.xml，hdfs-site.xml，mapred-site.xml。那么這些文件在什么時候被hadoop使用？

　　一般的在啟動hadoop的時候使用最多就是start-all.sh，那么這個腳本都干了些什么？

 

start-all.sh

# Start all hadoop daemons. Run this on master node.
#特別的地方時要在master節點上啟動hadoop所有進程
 
bin=`dirname "$0"`
bin=`cd "$bin"; pwd` #bin=$HADOOP_HOME/bin
 
if [ -e "$bin/../libexec/hadoop-config.sh" ]; then
. "$bin"/../libexec/hadoop-config.sh
else
. "$bin/hadoop-config.sh"
fi
 
# start dfs daemons
"$bin"/start-dfs.sh --config $HADOOP_CONF_DIR
 
# start mapred daemons
"$bin"/start-mapred.sh --config $HADOOP_CONF_DIR

 

加載hadoop-env.sh

 

　　腳本先找到hadoop中的bin目錄，在配置了hadoop環境變量的情況下該處可以使用$HADOOP_HOME/bin直接代替。接下來是執行hadoop-config.sh，這個文件可能會在$HADOOP_HOME/libexec目錄或者是$HADOOP_HOME/bin目錄下，在我使用的hadoop版本中是在$HADOOP_HOME/libexec目錄下，在hadoop-config.sh文件中有下面這幾行腳本

 

hadoop-config.sh

if [ -f "${HADOOP_CONF_DIR}/hadoop-env.sh" ]; then
. "${HADOOP_CONF_DIR}/hadoop-env.sh"
fi

測試$HADOOP_HOME/conf/hadoop-env.sh為普通文件后，通過  . "${HADOOP_CONF_DIR}/hadoop-env.sh"執行hadoop-env.sh這個腳本，ok，我們在hadoop-env.sh中配置的環境變量 JAVA_HOME 生效了，其實我感覺這個地方完全可以不用配置，為什么？因為我們在linux上安裝hadoop肯定要安裝java，那么安裝時肯定都會配置JAVA_HOME,在/etc/profile中配置的環境變量在任何的shell進程中都生效。

 

加載core-*.xml,hdfs.*.xml文件

 

    執行完hadoop-config.sh命令后，執行$HADOOP_HOME/start-dfs.sh 。該腳本的作用是啟動namenode,datename,secondarynamenode這三個與hdfs有關的進程

 

start-dfs.sh

# Run this on master node.
 
usage="Usage: start-dfs.sh [-upgrade|-rollback]"
 
bin=`dirname "$0"`
bin=`cd "$bin"; pwd`
 
if [ -e "$bin/../libexec/hadoop-config.sh" ]; then
. "$bin"/../libexec/hadoop-config.sh
else
. "$bin/hadoop-config.sh"
fi
 
# get arguments
if [ $# -ge 1 ]; then
nameStartOpt=$1
shift
case $nameStartOpt in
(-upgrade)
;;
(-rollback)
dataStartOpt=$nameStartOpt
;;
(*)
echo $usage
exit 1
;;
esac
fi
 
# start dfs daemons
# start namenode after datanodes, to minimize time namenode is up w/o data
# note: datanodes will log connection errors until namenode starts
"$bin"/hadoop-daemon.sh --config $HADOOP_CONF_DIR start namenode $nameStartOpt
"$bin"/hadoop-daemons.sh --config $HADOOP_CONF_DIR start datanode $dataStartOpt
"$bin"/hadoop-daemons.sh --config $HADOOP_CONF_DIR --hosts masters start secondarynamenode

仔細看看不能發現，在start-dfs.sh中同樣也會執行hadoop-config.sh，之所以有這一步，是因為我們不總是使用start-all.sh來啟動hadoop的所有進程，有時候我們只需要使用hdfs而不需要MapReduce，此時只需要單獨執行start-dfs.sh，同樣hadoop-config.sh中定義的變量也會被文件系統相關進程使用，所以這里在啟動namenode，datanode，secondarynamenode之前需要先執行hadoop-config.sh，同時hadoop-env.sh文件被執行。再來看看最后的三行代碼，分別是啟動namenode，datanode，secondarynamenode的腳本。啟動hadoop后一共有5個進程，其中三個就是namenode，datanode，secondarynamenode，既然能啟動進程說明對應的類中一定有main方法，看看源碼就可以驗證這一點，這不是重點，重點是來看看對應的類是怎么加載配置文件的。無論是namenode，還是dataname，還是secondarynamenode，他們在啟動時都會加載core-*.xml和hdfs-*.xml文件，以org.apache.hadoop.hdfs.server.namenode.NameNode 這個類為例，其他的兩個類org.apache.hadoop.hdfs.server.datanode.DataNode，org.apache.hadoop.hdfs.server.namenode.SecondaryNameNode類似。

org.apache.hadoop.hdfs.server.namenode.NameNode 

public class NameNode implements ClientProtocol, DatanodeProtocol,
NamenodeProtocol, FSConstants,
RefreshAuthorizationPolicyProtocol,
RefreshUserMappingsProtocol {
static{
Configuration.addDefaultResource("hdfs-default.xml");
Configuration.addDefaultResource("hdfs-site.xml");
}
...
}

看看靜態代碼塊里面內容，會很興奮，看到了hdfs-default.xml和hdfs-site.xml。對重點就在這里，static code block在類加載到jvm執行類的初始化時會執行（不是對象初始化）。Configuration.addDefaultResource("hdfs-default.xml");這段代碼執行前會先將Configuration這個類加載jvm中，那么看下org.apache.hadoop.conf.Configuration這個類中的static code block干了些什么

org.apache.hadoop.conf.Configuration

static{
//print deprecation warning if hadoop-site.xml is found in classpath
ClassLoader cL = Thread.currentThread().getContextClassLoader();
if (cL == null) {
cL = Configuration.class.getClassLoader();
}
if(cL.getResource("hadoop-site.xml")!=null) {
LOG.warn("DEPRECATED: hadoop-site.xml found in the classpath. " +
"Usage of hadoop-site.xml is deprecated. Instead use core-site.xml, "
+ "mapred-site.xml and hdfs-site.xml to override properties of " +
"core-default.xml, mapred-default.xml and hdfs-default.xml " +
"respectively");
}
addDefaultResource("core-default.xml");
addDefaultResource("core-site.xml");
}

Configuration類在類的初始化時加載了core-default.xml和core-site.xml這兩個文件。這樣namenode在啟動的時候就加載了core-*.xml和hdfs-*.xml文件，其中core-*.xml是由Configuration這個類加載的。

 

加載core-*.xml和mapred-*.xml文件

 

    執行完start-dfs.xml后，執行start-mapred.sh，該腳本和start-hdf.sh差不多。

 

start-mapred.sh
# Start hadoop map reduce daemons. Run this on master node.
 
bin=`dirname "$0"`
bin=`cd "$bin"; pwd`
 
if [ -e "$bin/../libexec/hadoop-config.sh" ]; then
. "$bin"/../libexec/hadoop-config.sh
else
. "$bin/hadoop-config.sh"
fi
 
# start mapred daemons
# start jobtracker first to minimize connection errors at startup
"$bin"/hadoop-daemon.sh --config $HADOOP_CONF_DIR start jobtracker "$bin"/hadoop-daemons.sh --config $HADOOP_CONF_DIR start tasktracker 

該腳本同樣也會執行hadoop-config.sh,同樣也會執行hadoop-env.sh。這里和start-dfs.sh是統一的。最后兩行代碼是啟動jobtracker和tasktracker進程的。同樣對應着兩個類org.apache.hadoop.mapred.JobTracker和org.apache.hadoop.mapred.TaskTracker

 

以org.apache.hadoop.mapred.JobTracker為例，org.apache.hadoop.mapred.TaskTracker類似

org.apache.hadoop.mapred.JobTracker

public class JobTracker implements MRConstants, InterTrackerProtocol,
JobSubmissionProtocol, TaskTrackerManager, RefreshUserMappingsProtocol,
RefreshAuthorizationPolicyProtocol, AdminOperationsProtocol,
JobTrackerMXBean {
 
static{
Configuration.addDefaultResource("mapred-default.xml");
Configuration.addDefaultResource("mapred-site.xml");
}
...
}

 

ok，有了上面的解釋，現在已經很明白了。JobTracker啟動時加載了core-*.xml和mapred-*.xml文件，其中core-*.xml是由Configuration完成的。

 

summarize：

    使用start-all.sh啟動hadoop所有的進程時，各種配置文件得加載順序：

       HDFS：hadoop-env.sh --> core-default.xml --> core-site.xml --> hdfs-default.xml --> hdfs-site.xml

       Mapred：hadoop-env.sh --> core-default.xml --> core-site.xml --> mapred.default.xml --> mapred.site.xml

注意到一點，core-*.xml系統的文件總是優先加載，而且hadoop中5個進程都會加載，這也說明core-*.xml是公共的基礎庫，被大家伙共享。

    配置文件時在進程啟動時加載的，這也可以證明如果修改了hadoop的配置文件，無論是系統配置文件還是管理員配置文件，都需要重新啟動進程生效。