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
。