Hadoop技术内幕

前　言

第一部分　基础篇

第1章　阅读源代码前的准备/ 2

1.1　准备源代码学习环境/ 2

1.1.1　基础软件下载/ 2

前　言

第一部分　基础篇

第1章　阅读源代码前的准备/ 2

1.1　准备源代码学习环境/ 2

1.1.1　基础软件下载/ 2

1.1.2　如何准备Windows环境/ 3

1.1.3　如何准备Linux环境/ 6

1.2　获取Hadoop源代码/ 7

1.3　搭建Hadoop源代码阅读环境/ 8

1.3.1　创建Hadoop工程/ 8

1.3.2　Hadoop源代码阅读技巧/ 9

1.4　Hadoop源代码组织结构/ 10

1.5　Hadoop初体验/ 13

1.5.1　启动Hadoop/ 13

1.5.2　Hadoop Shell介绍/ 15

1.5.3　Hadoop Eclipse插件介绍/ 15

1.6　编译及调试Hadoop源代码/ 19

1.6.1　编译Hadoop源代码/ 19

1.6.2　调试Hadoop源代码/ 20

1.7　小结/ 23

第2章　MapReduce设计理念与基本架构/ 24

2.1　Hadoop发展史/ 24

2.1.1　Hadoop产生背景/ 24

2.1.2　Apache Hadoop新版本的特性/ 25

2.1.3　Hadoop版本变迁/ 26

2.2　Hadoop MapReduce设计目标/ 28

2.3　MapReduce编程模型概述/ 29

2.3.1　MapReduce编程模型简介/ 29

2.3.2　MapReduce编程实例/ 31

2.4　Hadoop基本架构/ 32

2.4.1　HDFS架构/ 33

2.4.2　Hadoop MapReduce架构/ 34

2.5　Hadoop MapReduce作业的生命周期/ 36

2.6　小结/ 38

第二部分　MapReduce编程模型篇

第3章　MapReduce编程模型/ 40

3.1　MapReduce编程模型概述/ 40

3.1.1　MapReduce编程接口体系结构/ 40

3.1.2　新旧MapReduce API比较/ 41

3.2　MapReduce API基本概念/ 42

3.2.1　序列化/ 42

3.2.2　Reporter参数/ 43

3.2.3　回调机制/ 43

3.3　Java API解析/ 44

3.3.1　作业配置与提交/ 44

3.3.2　InputFormat接口的设计与实现/ 48

3.3.3　OutputFormat接口的设计与实现/ 53

3.3.4　Mapper与Reducer解析/ 55

3.3.5　Partitioner接口的设计与实现/ 59

3.4　非Java API解析/ 61

3.4.1　Hadoop Streaming的实现原理/ 61

3.4.2　Hadoop Pipes的实现原理/ 64

3.5　Hadoop工作流/ 67

3.5.1　JobControl的实现原理/ 67

3.5.2　ChainMapper/ChainReducer的实现原理/ 69

3.5.3　Hadoop工作流引擎/ 71

3.6　小结/ 73

第三部分　MapReduce核心设计篇

第4章　Hadoop RPC框架解析/ 76

4.1　Hadoop RPC框架概述/ 76

4.2　Java基础知识/ 77

4.2.1　Java反射机制与动态代理/ 78

4.2.2　Java网络编程/ 80

4.2.3　Java NIO/ 82

4.3　Hadoop RPC基本框架分析/ 89

4.3.1　RPC基本概念/ 89

4.3.2　Hadoop RPC基本框架/ 91

4.3.3　集成其他开源RPC框架/ 98

4.4　MapReduce通信协议分析/ 100

4.4.1　MapReduce 通信协议概述/ 100

4.4.2　JobSubmissionProtocol通信协议/ 102

4.4.3　InterTrackerProtocol通信协议/ 102

4.4.4　TaskUmbilicalProtocol通信协议/ 103

4.4.5　其他通信协议/ 104

4.5　小结/ 106

第5章　作业提交与初始化过程分析/ 107

5.1　作业提交与初始化概述/ 107

5.2　作业提交过程详解/ 108

5.2.1　执行Shell命令/ 108

5.2.2　作业文件上传/ 109

5.2.3　产生InputSplit文件/ 111

5.2.4　作业提交到JobTracker/ 113

5.3　作业初始化过程详解/ 115

5.4　Hadoop DistributedCache原理分析/ 117

5.4.1　使用方法介绍/ 118

5.4.2　工作原理分析/ 120

5.5　小结/ 122

第6章　JobTracker内部实现剖析/ 123

6.1　JobTracker概述/ 123

6.2　JobTracker启动过程分析/ 125

6.2.1　JobTracker启动过程概述/ 125

6.2.2　重要对象初始化/ 125

6.2.3　各种线程功能/ 128

6.2.4　作业恢复/ 129

6.3　心跳接收与应答/ 129

6.3.1　更新状态/ 131

6.3.2　下达命令/ 131

6.4　Job和Task运行时信息维护/ 134

6.4.1　作业描述模型/ 134

6.4.2　JobInProgress/ 136

6.4.3　TaskInProgress/ 137

6.4.4　作业和任务状态转换图/ 139

6.5　容错机制/ 141

6.5.1　JobTracker容错/ 141

6.5.2　TaskTracker容错/ 142

6.5.3　Job/Task容错/ 145

6.5.4　Record容错/ 147

6.5.5　磁盘容错/ 151

6.6　任务推测执行原理/ 152

6.6.1　计算模型假设/ 153

6.6.2　1.0.0版本的算法/ 153

6.6.3　0.21.0版本的算法/ 154

6.6.4　2.0版本的算法/ 156

6.7　Hadoop资源管理/ 157

6.7.1　任务调度框架分析/ 159

6.7.2　任务选择策略分析/ 162

6.7.3　FIFO调度器分析/ 164

6.7.4　Hadoop资源管理优化/ 165

6.8　小结/ 168

第7章　TaskTracker内部实现剖析/ 169

7.1　TaskTracker概述/ 169

7.2　TaskTracker启动过程分析/ 170

7.2.1　重要变量初始化/ 171

7.2.2　重要对象初始化/ 171

7.2.3　连接JobTracker/ 172

7.3　心跳机制/ 172

7.3.1　单次心跳发送/ 172

7.3.2　状态发送/ 175

7.3.3　命令执行/ 178

7.4　TaskTracker行为分析/ 179

7.4.1　启动新任务/ 179

7.4.2　提交任务/ 179

7.4.3　杀死任务/ 181

7.4.4　杀死作业/ 182

7.4.5　重新初始化/ 184

7.5　作业目录管理/ 184

7.6　启动新任务/ 186

7.6.1　任务启动过程分析/ 186

7.6.2　资源隔离机制/ 193

7.7　小结/ 195

第8章　Task运行过程分析/ 196

8.1　Task运行过程概述/ 196

8.2　基本数据结构和算法/ 197

8.2.1　IFile存储格式/ 197

8.2.2　排序/ 198

8.2.3　Reporter/ 201

8.3　Map Task内部实现/ 204

8.3.1　Map Task整体流程/ 204

8.3.2　Collect过程分析/ 205

8.3.3　Spill过程分析/ 213

8.3.4　Combine过程分析/ 214

8.4　Reduce Task内部实现/ 214

8.4.1　Reduce Task整体流程/ 215

8.4.2　Shuffle和Merge阶段分析/ 215

8.4.3　Sort和Reduce阶段分析/ 218

8.5　Map/Reduce Task优化/ 219

8.5.1　参数调优/ 219

8.5.2　系统优化/ 220

8.6　小结/ 224

第四部分　MapReduce高级篇

第9章　Hadoop性能调优/ 228

9.1　概述/ 228

9.2　从管理员角度进行调优/ 229

9.2.1　硬件选择/ 229

9.2.2　操作系统参数调优/ 229

9.2.3　JVM参数调优/ 230

9.2.4　Hadoop参数调优/ 230

9.3　从用户角度进行调优/ 235

9.3.1　应用程序编写规范/ 235

9.3.2　作业级别参数调优/ 235

9.3.3　任务级别参数调优/ 239

9.4　小结/ 240

第10章　Hadoop多用户作业调度器/ 241

10.1　多用户调度器产生背景/ 241

10.2　HOD/ 242

10.2.1　Torque资源管理器/ 242

10.2.2　HOD作业调度/ 243

10.3　Hadoop队列管理机制/ 245

10.4　Capacity Scheduler实现/ 246

10.4.1　Capacity Scheduler功能介绍/ 247

10.4.2　Capacity Scheduler实现/ 249

10.4.3　多层队列调度/ 254

10.5　Fair Scheduler实现/ 255

10.5.1　Fair Scheduler功能介绍/ 255

10.5.2　Fair Scheduler实现/ 258

10.5.3　Fair Scheduler与Capacity Scheduler对比/ 263

10.6　其他Hadoop调度器介绍/ 264

10.7　小结/ 265

第11章　Hadoop安全机制/ 266

11.1　Hadoop安全机制概述/ 266

11.1.1　Hadoop面临的安全问题/ 266

11.1.2　Hadoop对安全方面的需求/ 267

11.1.3　Hadoop安全设计基本原则/ 267

11.2　基础知识/ 268

11.2.1　安全认证机制/ 268

11.2.2　Kerberos介绍/ 270

11.3　Hadoop安全机制实现/ 273

11.3.1　RPC/ 273

11.3.2　HDFS/ 276

11.3.3　MapReduce/ 278

11.3.4　上层服务/ 280

11.4　应用场景总结/ 281

11.4.1　文件存取/ 281

11.4.2　作业提交与运行/ 282

11.4.3　上层中间件访问Hadoop/ 282

11.5　小结/ 283

第12章　下一代MapReduce框架/ 284

12.1　第一代MapReduce框架的局限性/ 284

12.2　下一代MapReduce框架概述/ 284

12.2.1　基本设计思想/ 284

12.2.2　资源统一管理平台/ 286

12.3　Apache YARN/ 287

12.3.1　Apache YARN基本框架/ 287

12.3.2　Apache YARN工作流程/ 290

12.3.3　Apache YARN设计细节/ 291

12.3.4　MapReduce与YARN结合/ 294

12.4　Facebook Corona / 298

12.4.1　Facebook Corona基本框架/ 298

12.4.2　Facebook Corona工作流程/ 300

12.4.3　YARN与Corona对比/ 303

12.5　Apache Mesos/ 304

12.5.1　Apache Mesos基本框架/ 304

12.5.2　Apache Mesos资源分配/ 305

12.5.3　MapReduce与Mesos结合/ 307

12.6　小结/ 309

附录A　安装Hadoop过程中可能存在的问题及解决方案/ 310

附录B　Hadoop默认HTTP端口号以及HTTP地址/ 312

参考资料/ 313