Hadoop之JobTrack分析（转）

q29191

1.client端指定Job的各种参数配置之后调用job.waitForCompletion(true) 方法提交Job给JobTracker，等待Job 完成。
[java] view plaincopyprint? 

• public void submit() throws IOException, InterruptedException,   
  
•                              ClassNotFoundException {  
  
•    ensureState(JobState.DEFINE);//检查JobState状态  
  
•    setUseNewAPI();//检查及设置是否使用新的MapReduce API  
  
•      
  
•    // Connect to the JobTracker and submit the job  
  
•    connect();//链接JobTracker  
  
•    info = jobClient.submitJobInternal(conf);//将job信息提交  
  
•    super.setJobID(info.getID());  
  
•    state = JobState.RUNNING;//更改job状态  
  
•   }  
  

　　
以上代码主要有两步骤,连接JobTracker并提交Job信息。connect方法主要是实例化JobClient对象，包括设置JobConf和init工作：
 
 
[java] view plaincopyprint? 

• public void init(JobConf conf) throws IOException {  
  
•     String tracker = conf.get("mapred.job.tracker", "local");//读取配置文件信息用于判断该Job是运行于本地单机模式还是分布式模式  
  
•     tasklogtimeout = conf.getInt(  
  
•       TASKLOG_PULL_TIMEOUT_KEY, DEFAULT_TASKLOG_TIMEOUT);  
  
•     this.ugi = UserGroupInformation.getCurrentUser();  
  
•     if ("local".equals(tracker)) {//如果是单机模式，new LocalJobRunner   
  
•       conf.setNumMapTasks(1);  
  
•       this.jobSubmitClient = new LocalJobRunner(conf);  
  
•     } else {  
  
•       this.jobSubmitClient = createRPCProxy(JobTracker.getAddress(conf), conf);  
  
•     }          
  
•   }  
  

　　分布式模式下就会创建一个RPC代理链接：
 
 
[java] view plaincopyprint? 

• public static VersionedProtocol getProxy(  
  
•       Class<? extends VersionedProtocol> protocol,  
  
•       long clientVersion, InetSocketAddress addr, UserGroupInformation ticket,  
  
•       Configuration conf, SocketFactory factory, int rpcTimeout) throws IOException {  
  
•   
  
•     if (UserGroupInformation.isSecurityEnabled()) {  
  
•       SaslRpcServer.init(conf);  
  
•     }  
  
•     VersionedProtocol proxy =  
  
•         (VersionedProtocol) Proxy.newProxyInstance(  
  
•             protocol.getClassLoader(), new Class[] { protocol },  
  
•             new Invoker(protocol, addr, ticket, conf, factory, rpcTimeout));  
  
•     long serverVersion = proxy.getProtocolVersion(protocol.getName(),   
  
•                                                   clientVersion);  
  
•     if (serverVersion == clientVersion) {  
  
•       return proxy;  
  
•     } else {  
  
•       throw new VersionMismatch(protocol.getName(), clientVersion,   
  
•                                 serverVersion);  
  
•     }  
  
•   }  
  

从上述代码可以看出hadoop实际上使用了Java自带的Proxy API来实现Remote Procedure Call
初始完之后，需要提交job
[java] view plaincopyprint? 

• info = jobClient.submitJobInternal(conf);//将job信息提交  
  

　　submit方法做以下几件事情：
 
         1.将conf中目录名字替换成hdfs代理的名字
         2.检查output是否合法：比如路径是否已经存在，是否是明确的
         3.将数据分成多个split并放到hdfs上面，写入job.xml文件
         4.调用JobTracker的submitJob方法
        该方法主要新建JobInProgress对象，然后检查访问权限和系统参数是否满足job，最后addJob：
     
[java] view plaincopyprint? 

• private synchronized JobStatus addJob(JobID jobId, JobInProgress job)   
  
•  throws IOException {  
  
•    totalSubmissions++;  
  
•   
  
•    synchronized (jobs) {  
  
•      synchronized (taskScheduler) {  
  
•        jobs.put(job.getProfile().getJobID(), job);  
  
•        for (JobInProgressListener listener : jobInProgressListeners) {  
  
•          listener.jobAdded(job);  
  
•        }  
  
•      }  
  
•    }  
  
•    myInstrumentation.submitJob(job.getJobConf(), jobId);  
  
•    job.getQueueMetrics().submitJob(job.getJobConf(), jobId);  
  
•   
  
•    LOG.info("Job " + jobId + " added successfully for user '"   
  
•             + job.getJobConf().getUser() + "' to queue '"   
  
•             + job.getJobConf().getQueueName() + "'");  
  
•    AuditLogger.logSuccess(job.getUser(),   
  
•        Operation.SUBMIT_JOB.name(), jobId.toString());  
  
•    return job.getStatus();  
  
•  }  
  

　　totalSubmissions记录client端提交job到JobTracker的次数。而jobs则是JobTracker所有可以管理的job的映射表
 
Map<JobID, JobInProgress> jobs =  Collections.synchronizedMap(new TreeMap<JobID, JobInProgress>());
taskScheduler是用于调度job先后执行策略的，其类图如下所示：
 
 
 



 
hadoop job调度机制；
public enum SchedulingMode {
  FAIR, FIFO
}
1.公平调度FairScheduler
   对于每个用户而言，分布式资源是公平分配的，每个用户都有一个job池，假若某个用户目前所占有的资源很多，对于其他用户而言是不公平的，那么调度器就会杀掉占有资源多的用户的一些task，释放资源供他人使用
2.容量调度JobQueueTaskScheduler
在分布式系统上维护多个队列，每个队列都有一定的容量，每个队列中的job按照FIFO的策略进行调度。队列中可以包含队列。
两个Scheduler都要实现TaskScheduler的public synchronized List<Task> assignTasks(TaskTracker tracker)方法，该方法通过具体的计算生成可以分配的task
 
接下来看看JobTracker的工作：
记录更新JobTracker重试的次数：
[java] view plaincopyprint? 

• while (true) {  
  
•      try {  
  
•        recoveryManager.updateRestartCount();  
  
•        break;  
  
•      } catch (IOException ioe) {  
  
•        LOG.warn("Failed to initialize recovery manager. ", ioe);  
  
•        // wait for some time  
  
•        Thread.sleep(FS_ACCESS_RETRY_PERIOD);  
  
•        LOG.warn("Retrying...");  
  
•      }  
  
•    }  
  

　　启动Job调度器,默认是FairScheduler:
 taskScheduler.start();主要是初始化一些管理对象，比如job pool管理池
 
 
[java] view plaincopyprint? 

• // Initialize other pieces of the scheduler  
  
•   jobInitializer = new JobInitializer(conf, taskTrackerManager);  
  
•   taskTrackerManager.addJobInProgressListener(jobListener);  
  
•   poolMgr = new PoolManager(this);  
  
•   poolMgr.initialize();  
  
•   loadMgr = (LoadManager) ReflectionUtils.newInstance(  
  
•       conf.getClass("mapred.fairscheduler.loadmanager",   
  
•           CapBasedLoadManager.class, LoadManager.class), conf);  
  
•   loadMgr.setTaskTrackerManager(taskTrackerManager);  
  
•   loadMgr.setEventLog(eventLog);  
  
•   loadMgr.start();  
  
•   taskSelector = (TaskSelector) ReflectionUtils.newInstance(  
  
•       conf.getClass("mapred.fairscheduler.taskselector",   
  
•           DefaultTaskSelector.class, TaskSelector.class), conf);  
  
•   taskSelector.setTaskTrackerManager(taskTrackerManager);  
  
•   taskSelector.start();  
  

[java] view plaincopyprint? 

• JobInitializer有一个确定大小的ExecutorService threadPool，每个thread用于初始化job  
  

[java] view plaincopyprint? 

• try {  
  
•      JobStatus prevStatus = (JobStatus)job.getStatus().clone();  
  
•      LOG.info("Initializing " + job.getJobID());  
  
•      job.initTasks();  
  
•      // Inform the listeners if the job state has changed  
  
•      // Note : that the job will be in PREP state.  
  
•      JobStatus newStatus = (JobStatus)job.getStatus().clone();  
  
•      if (prevStatus.getRunState() != newStatus.getRunState()) {  
  
•        JobStatusChangeEvent event =   
  
•          new JobStatusChangeEvent(job, EventType.RUN_STATE_CHANGED, prevStatus,   
  
•              newStatus);  
  
•        synchronized (JobTracker.this) {  
  
•          updateJobInProgressListeners(event);  
  
•        }  
  
•      }  
  
•    }  
  

　　初始化操作主要用于初始化生成tasks然后通知其他的监听者执行其他操作。initTasks主要处理以下工作：
 
 
[java] view plaincopyprint? 

• // 记录用户提交的运行的job信息  
  
•    try {  
  
•    userUGI.doAs(new PrivilegedExceptionAction<Object>() {  
  
•      @Override  
  
•      public Object run() throws Exception {  
  
•        JobHistory.JobInfo.logSubmitted(getJobID(), conf, jobFile,   
  
•            startTimeFinal, hasRestarted());  
  
•        return null;  
  
•      }  
  
•    });  
  
•    } catch(InterruptedException ie) {  
  
•      throw new IOException(ie);  
  
•    }  
  
•      
  
•    // 设置并记录job的优先级  
  
•    setPriority(this.priority);  
  
•      
  
•    //  
  
•    //生成每个Task需要的密钥  
  
•    //  
  
•    generateAndStoreTokens();  
  
•      
  

　　然后读取JobTracker split的数据的元信息，元信息包括以下属性信息：
 
 
[java] view plaincopyprint? 

• private TaskSplitIndex splitIndex;//洗牌后的索引位置  
  
•   private long inputDataLength;//洗牌后数据长度  
  
•   private String[] locations;//数据存储位置  
  

　　
然后根据元信息的长度来计算numMapTasks并校验数据存储地址是否可以连接
 
接下来生成map tasks和reducer tasks：
 
[java] view plaincopyprint? 

• maps = new TaskInProgress[numMapTasks];  
  
•  for(int i=0; i < numMapTasks; ++i) {  
  
•    inputLength += splits.getInputDataLength();  
  
•    maps = new TaskInProgress(jobId, jobFile,   
  
•                                 splits,   
  
•                                 jobtracker, conf, this, i, numSlotsPerMap);  
  
•  }  
  

[java] view plaincopyprint? 

• this.jobFile = jobFile;  
  
•  this.splitInfo = split;  
  
•  this.jobtracker = jobtracker;  
  
•  this.job = job;  
  
•  this.conf = conf;  
  
•  this.partition = partition;  
  
•  this.maxSkipRecords = SkipBadRecords.getMapperMaxSkipRecords(conf);  
  
•  this.numSlotsRequired = numSlotsRequired;  
  
•  setMaxTaskAttempts();  
  
•  init(jobid);  
  

　　以上除了task对应的jobTracker，split信息和job信息外，还设置了
[java] view plaincopyprint? 

• maxSkipRecords ---记录task执行的时候最大可以跳过的错误记录数；  
  
• <pre name="code" class="java">setMaxTaskAttempts--设置task最多可以执行的次数。当一个task执行两次都失败了之后，会以skip mode模式再重新执行一次，记录那些bad record，  
  
• 然后第四次再执行的时候，跳过这些bad records</pre><p></p>  
  
• <pre></pre>  
  
• 新建reducer task的过程也很类似。  
  
• <p></p>  
  
• <p><br>  
  
• </p>  
  
• <p><br>  
  
• </p>  
  
• <p><br>  
  
• </p>  
  
• <p><br>  
  
• </p>  
  
• <p></p>