Hadoop2.6.0子項目hadoop-mapreduce-examples的簡單介紹

引文

學習Hadoop的同學們，一定知道如果運行Hadoop自帶的各種例子，以大名鼎鼎的wordcount為例，你會輸入以下命令：

hadoop org.apache.hadoop.examples.WordCount -D mapreduce.input.fileinputformat.split.maxsize=1 /wordcount/input /wordcount/output/result1

當然，有些人還會用以下替代方式：

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount /wordcount/input /wordcount/output/result1

相比於原始的執行方式，使用jar命令方式，讓我們不用再敲入繁瑣的完整包路徑。比如我們知道hadoop-mapreduce-examples項目中還提供了其它的例子，比如計算圓周率的例子，我們只需要記住此應用的簡單名字pi，就可以執行它：

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar pi 5 10

雖說我們只是使用這些現成的例子，沒有必要較真，但是這種簡潔的使用方式，無疑還是值得借鑒的。本文將分析下這種方式實現的原理，有興趣的同學可以一讀。

源碼分析

這一節，我們通過對hadoop-mapreduce-examples項目中的關鍵源碼進行分析，理解簡潔執行的原理。在hadoop-mapreduce-examples項目的pom.xml文件中配置了org.apache.hadoop.examples.ExampleDriver作為jar命令的入口，配置如下：

<plugin>
  <groupId>org.apache.maven.plugins</groupId>
  <artifactId>maven-jar-plugin</artifactId>
  <configuration>
    <archive>
      <manifest>
        <mainClass>org.apache.hadoop.examples.ExampleDriver</mainClass>
      </manifest>
    </archive>
  </configuration>
</plugin>

這決定了使用jar命令執行hadoop-mapreduce-examples-2.6.0.jar包時，實際執行了ExampleDriver的main方法，ExampleDriver的實現如下：

public class ExampleDriver {
  
  public static void main(String argv[]){
    int exitCode = -1;
    ProgramDriver pgd = new ProgramDriver();
    try {
      pgd.addClass("wordcount", WordCount.class, 
                   "A map/reduce program that counts the words in the input files.");
      // 省略其它例子的注冊代碼
      pgd.addClass("pi", QuasiMonteCarlo.class, QuasiMonteCarlo.DESCRIPTION);
      // 省略其它例子的注冊代碼
      exitCode = pgd.run(argv);
    }
    catch(Throwable e){
      e.printStackTrace();
    }
    
    System.exit(exitCode);
  }
}

以上代碼構造了ProgramDriver的實例，並且調用其addClass方法，三個參數分別是例子名稱（如wordcount、pi等）、例子的實現Class、例子的描述信息。ProgramDriver的addClass方法的實現如下：

  public void addClass(String name, Class<?> mainClass, String description)
      throws Throwable {
    programs.put(name , new ProgramDescription(mainClass, description));
  }

首先，構造ProgramDescription對象，其構造函數如下：

    public ProgramDescription(Class<?> mainClass, 
                              String description)
      throws SecurityException, NoSuchMethodException {
      this.main = mainClass.getMethod("main", paramTypes);
      this.description = description;
    }

其中main的類型是java.lang.reflect.Method，用於保存例子Class的main方法。

然后，將例子名稱（如wordcount、pi等）和ProgramDescription實例注冊到programs中，programs的類型定義如下：

  /**
   * A description of a program based on its class and a 
   * human-readable description.
   */
  Map<String, ProgramDescription> programs;

ExampleDriver的main方法在最后會調用ProgramDriver的run方法，其實現如下：

  public int run(String[] args)
    throws Throwable 
  {
    // Make sure they gave us a program name.
    if (args.length == 0) {
      System.out.println("An example program must be given as the" + 
                         " first argument.");
      printUsage(programs);
      return -1;
    }
    
    // And that it is good.
    ProgramDescription pgm = programs.get(args[0]);
    if (pgm == null) {
      System.out.println("Unknown program '" + args[0] + "' chosen.");
      printUsage(programs);
      return -1;
    }
    
    // Remove the leading argument and call main
    String[] new_args = new String[args.length - 1];
    for(int i=1; i < args.length; ++i) {
      new_args[i-1] = args[i];
    }
    pgm.invoke(new_args);
    return 0;
  }

ProgramDriver的run方法執行的步驟如下：

1. 參數長度校驗；
2. 根據第一個參數，從programs中查找對應的ProgramDescription實例；
3. 將其余的參數傳遞給ProgramDescription的invoke方法，進而執行對應的例子。
ProgramDescription的invoke方法的實現如下：

    public void invoke(String[] args)
      throws Throwable {
      try {
        main.invoke(null, new Object[]{args});
      } catch (InvocationTargetException except) {
        throw except.getCause();
      }
    }

由此我們知道具體例子的執行，是通過反射調用具體例子Class的main方法，最終實現的。

 

后記：個人總結整理的《深入理解Spark：核心思想與源碼分析》一書現在已經正式出版上市，目前京東、當當、天貓等網站均有銷售，歡迎感興趣的同學購買。

京東：http://item.jd.com/11846120.html
當當：http://product.dangdang.com/23838168.html