在Hadoop的发行包中也附带了例子的源代码,WordCount.java类的主函数实现如下所示:
public static void main(String[] args) throws Exception { }
int res = ToolRunner.run(new Configuration(), new WordCount(), args);
System.exit(res);
}
我们先从主函数入手吧,一点点地按照“深度遍历”的思想,分解掉这个WordCount字频统计工具,让我们更清晰地看到到底在Hadoop中是如何进行工作的。
首先从ToolRunner的run方法开始,run方法需要三个参数,第一个是一个Configuration类的实例。第二个是WorCount类的实例,args就是从控制台接收到的命令行数组。可见,估计分析到我们的WordCount还非常非常的远,因为Configuration类与args数组就够追踪一会了。
下面是ToolRunner的run方法的实现:
public static int run(Configuration conf, Tool tool, String[] args) // 因为Tool接口实现了Configurable接口,在Configurable接口中可以为一个Tool设置初始化配置,即使用setConf()方法
throws Exception{
if(conf == null) { // 即使传入的conf为null,仍然会在这里实例化一个配置类Configuration的对象
conf = new Configuration();
}
GenericOptionsParser parser = new GenericOptionsParser(conf, args); // 根据指定的conf和args数组实例化一个GenericOptionsParser类的对象,构造GenericOptionsParser类对象能实现对Hadoop通用的配置信息进行解析
// Tool类是一个接口,WordCount工具就是实现了Tool接口,Tool接口中只是定义了一个run方法,即实现一个Tool必须要知道这个Tool的实现类的对象怎样run。
tool.setConf(conf);
//get the args w/o generic hadoop args
String[] toolArgs = parser.getRemainingArgs(); // 返回从控制台输入的命令行参数的数组
return tool.run(toolArgs); // 根据toolArgs数组指定的命令启动WordCount实例运行,返回实现Tool接口的实现类的对象的执行状态码
}
上面的run方法应该是执行WordCount例子的最高层的方法,最抽象了。
程序一开始,首先要解析Hadoop配置文件,对应于Hadoop根目录下的conf目录下。其中的配置类为Configuration,构造一个Configuration对象,使用如下所示构造方法:
public Configuration() {
if (LOG.isDebugEnabled()) {
LOG.debug(StringUtils.stringifyException(new IOException("config()")));
}
resources.add("hadoop-default.xml");
resources.add("hadoop-site.xml");
}
实例化一个Configuration对象,就是将conf目录中的hadoop-default.xml和hadoop-site.xml配置文件加入到private ArrayList<Object> resources中,以便再进一步解析。
真正解析Hadoop的配置文件的是一个GenericOptionsParser通用选项解析器类,需要提供一个Configuration对象的,同时指定一个命令行参数数组。
如下是GenericOptionsParser类的构造方法:
public GenericOptionsParser(Configuration conf, String[] args) {
this(conf, new Options(), args); // 这里额外又多增加了一个Options对象作为参数
}
Options类是一个选项对象的集合,用于描述在应用中可能使用到的命令行参数。可以通过查看Options类的构造方法:
public Options()
{
// nothing to do
}
其实,什么也没有做。然而,可以动态为一个Options对象添加指定的选项的。
又调用了GenericOptionsParser类的另一个构造方法,如下所示:
public GenericOptionsParser(Configuration conf, Options options, String[] args) {
parseGeneralOptions(options, conf, args);
}
继续调用GenericOptionsParser类的成员方法parseGeneralOptions()来进一步解析配置选项:
/** HelpFormatter formatter = new HelpFormatter();
* Parse the user-specified options, get the generic options, and modify
* configuration accordingly
* @param conf Configuration to be modified
* @param args User-specified arguments
* @return Command-specific arguments
*/
private String[] parseGeneralOptions(Options opts, Configuration conf,
String[] args) {
opts = buildGeneralOptions(opts);
CommandLineParser parser = new GnuParser();
try {
commandLine = parser.parse(opts, args, true);
processGeneralOptions(conf, commandLine);
return commandLine.getArgs();
} catch(ParseException e) {
LOG.warn("options parsing failed: "+e.getMessage());
formatter.printHelp("general options are: ", opts);
}
return args;
}
其中,commandLine是GenericOptionsParser类的一个私有成员变量。
上面GenericOptionsParser类的成员方法parseGeneralOptions()可以作为解析Hadoop配置选项的一个高层的抽象方法了。
其中的buildGeneralOptions()接收Options opts然后又返回了opts,如下所示:
/** opts.addOption(fs);
* Specify properties of each generic option
*/
@SuppressWarnings("static-access")
private Options buildGeneralOptions(Options opts) {
Option fs = OptionBuilder.withArgName("local|namenode:port")
.hasArg()
.withDescription("specify a namenode")
.create("fs");
Option jt = OptionBuilder.withArgName("local|jobtracker:port")
.hasArg()
.withDescription("specify a job tracker")
.create("jt");
Option oconf = OptionBuilder.withArgName("configuration file")
.hasArg()
.withDescription("specify an application configuration file")
.create("conf");
Option property = OptionBuilder.withArgName("property=value")
.hasArgs()
.withArgPattern("=", 1)
.withDescription("use value for given property")
.create('D');
opts.addOption(jt);
opts.addOption(oconf);
opts.addOption(property);
return opts;
}
返回的Options opts已经被赋予了丰富的内容。