hadoop中RPC小析

sqtsqt

1.什么是RPC

   RPC（Remote Procedure Call Protocol）——远程过程调用协议，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。这句话概括的，虽然正确，不过却略显得冗余，如果要用一句话来概括RPC是什么的话，那RPC就是在一台机子上调用另外一台机子上的方法，得到想要的结果的过程。

2.RPC的作用

   在hadoop中，消息的传递分为两类：控制消息和数据消息。前者包括DataNode定期向NameNode发送心跳，得到要执行的命令。这个过程就是用RPC实现的，即，在DataNode上调用NameNode上的方法，得到想要的结果。

3.RPC的数据
   那么这么看来，RPC也不过就是两台电脑间的信息通信。如果要调用另一台电脑上的方法，同时要能得到记过的话，那么至少必须具备以下条件：1.通信，2.需要调用的方法信息(包括类名，方法名，方法参数)，3.调用的结果。

   那么，这么看来，首先要实现的，就是能够将传入信息(比如方法参数类)、传出信息(结果参数)能够实现在网络上的传输。hadoop中对此定义为：基本数据类型和String能直接传输，而类的话，就要实现Wirtable接口才行。

public class MyWritable implements Writable {      
// Some data           
private int counter;      
private long timestamp;      

public void write(DataOutput out) throws IOException {      
out.writeInt(counter);      
out.writeLong(timestamp);      
}      

public void readFields(DataInput in) throws IOException {      
counter = in.readInt();      
timestamp = in.readLong();      
}      

public static MyWritable read(DataInput in) throws IOException {      
MyWritable w = new MyWritable();      
w.readFields(in);      
return w;      
}      
}

(代码来自《hadoop源码分析》)
4.RPC的过程
   那么，传输数据的过程呢？RPC是通信，而通讯的模式就是服务器/客户机,在hadoop中，NameNode充当服务器，而DataNode这充当客户机。在通讯时，首先要实现通讯协议的制定，hadoop中是使用的org.apache.hadoop.ipc.VersionedProtocol这个接口。所有要在服务器上实现的协议都要继承这个接口(RPC中的协议是以方法为基础的，可以看做是传输的是方法信息)。而在服务器上需要实现这个接口，而客户机只要保留对应接口信息就可以了。
接口定义如下：其中，getString即为要在服务器上调用的方法

public interface Datanode2NamenodeProtocil extends VersionedProtocol{  
public static final long versionID = 19L;  
public String getString();  
}  


然后，服务器端要继承并实现这个接口，并且创建一个server类,(hadoop中为org.apache.hadoop.ipc.Server)，等待并接受要处理信息。
而客户机端就简单了，只要具有协议接口(如：Datanode2NamenodeProtocil )，而不用指定其实现，在hadoop中是使用org.apache.hadoop.ipc.RPC类的waitForProxy方法，得到对应的代理类，而调用时，就是能够通过得打的代理类，将信息发送的服务器上，然后将接受到的结果在进行序列化，就Over了。
5.RPC的底层
   上一部分提到了，RPC客户端是实现的动态代理，那么底层呢？先看源码。
waitForProxy方法核心代码如下

while (true) {
try {
return getProxy(protocol, clientVersion, addr, conf);   //这个
} catch(ConnectException se) {  // namenode has not been started
LOG.info("Server at " + addr + " not available yet, Zzzzz...");
ioe = se;
} catch(SocketTimeoutException te) {  // namenode is busy
LOG.info("Problem connecting to server: " + addr);
ioe = te;
}


继续F3，得到的getProxy核心代码如下

VersionedProtocol proxy =
(VersionedProtocol) Proxy.newProxyInstance(
protocol.getClassLoader(), new Class[] { protocol },
new Invoker(protocol, addr, ticket, conf, factory));

可见，此处使用的是动态代理，而代理处理类为Invoker，继续F3，查看Invoker。
Invoker中的Invoke方法如下:

public Object invoke(Object proxy, Method method, Object[] args)
throws Throwable {
final boolean logDebug = LOG.isDebugEnabled();
long startTime = 0;
if (logDebug) {
startTime = System.currentTimeMillis();
}
ObjectWritable value = (ObjectWritable)
client.call(new Invocation(method, args), remoteId);
if (logDebug) {
long callTime = System.currentTimeMillis() - startTime;
LOG.debug("Call: " + method.getName() + " " + callTime);
}
return value.get();
}

其核心也就是，ObjectWritable value = (ObjectWritable) client.call(new Invocation(method, args), remoteId);这一句，就是得到一个实现Writeable接口的、通过client(负责通讯、连接服务器)得到的类，然后，将这个结果返回。
继续看，Invoke类中的部分源码如下：

public Invocation(Method method, Object[] parameters) {
this.methodName = method.getName();
this.parameterClasses = method.getParameterTypes();
this.parameters = parameters;
}

可见，其中包括方法变量，参数变量。
而它的写入/写出方法：

public void readFields(DataInput in) throws IOException {
methodName = UTF8.readString(in);
parameters = new Object[in.readInt()];
parameterClasses = new Class[parameters.length];
ObjectWritable objectWritable = new ObjectWritable();
for (int i = 0; i < parameters.length; i++) {
parameters = ObjectWritable.readObject(in, objectWritable, this.conf);
parameterClasses = objectWritable.getDeclaredClass();
}
}
public void write(DataOutput out) throws IOException {
UTF8.writeString(out, methodName);
out.writeInt(parameterClasses.length);
for (int i = 0; i < parameterClasses.length; i++) {
ObjectWritable.writeObject(out, parameters, parameterClasses,
conf);
}
}

写入/写出的信息都是关于对应方法信息、参数信息。由此可见，RPC底层通讯时，传递的信息如上所述：为方法/参数信息。