Hadoop源码分析之Configuration

转自：http://www.it165.net/admin/html/201312/2178.html

• org.apache.hadoop.conf.Configuration类是Hadoop所有功能的基础类，每一种功能执行之前都需要有先得到一个Configuration对象。Hadoop使用了XML文件作为配置文件，来保存运行时的配置信息，然后将配置加载到Configuration对象中，要使用配置信息时直接从Configuration对象中取。

  Hadoop配置文件

  将下载的Hadoop压缩包解压后，再文件夹中有一个conf文件夹，这里面有一些Hadoop启动时使用的配置文件，比如配置Hadoop为伪分布式后的core-site.xml文件为：

  01.<?xml version="1.0"?>

  02.<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

  03. 

  04.<!-- Put site-specific property overrides in this file. -->

  05. 

  06.<configuration>

  07.<property>

  08.<name>fs.default.name</name>

  09.<value>hdfs://localhost:9000</value>

  10.</property>

  11.<property>

  12.<name>hadoop.tmp.dir</name>

  13.<value>/home/gmy/hadoop/tmp</value>

  14.</property>

  15.</configuration>

  如上面的xml代码所示，Hadoop的XML配置文件的根节点是configuration，下一层的节点是property，每个property都代表一个配置项，由键值对组成，name节点表示该配置项的键，value节点表示值，除了name和value节点，property节点另一个重要的子节点是final，它表示这个键值对是不可覆盖的，是固定不变的，和Java中的final关键字类似。property节点还有个description子节点，是对该属性的描述，类似于Java的注释，在程序中不使用。

  property的保存

  在Configuration类中，有个java.util.Properties类型的成员变量properties，它保存了所有读取到的键值对配置项。调用Configuration.get()方法时，是从properties对象中取值，Configuration.get()的相关代码如下：

  01.public String get(String name) {

  02.return substituteVars(getProps().getProperty(name));

  03.}

  04.private synchronized Properties getProps() {

  05.if (properties == null) {

  06.properties = new Properties();

  07.loadResources(properties, resources, quietmode);

  08.if (overlay!= null) {

  09.properties.putAll(overlay);

  10.for (Map.Entry<Object,Object> item: overlay.entrySet()) {

  11.updatingResource.put((String) item.getKey(), UNKNOWN_RESOURCE);

  12.}

  13.}

  14.}

  15.return properties;

  16.}

  其中get()方法中调用的substituteVars()是进行属性扩展，下面会有这个方法的介绍。

  属性扩展

  再get()方法中调用方法substituteVars()是对配置的属性扩展，那么什么是属性扩展呢？举例说明如下，如果配置项dfs.name.dir值是${hadoop.tmp.dir}/dfs/name，而配置项hadoop.tmp.dir的值是/data， 那么${hadoop.tmp.dir}会使用hadoop.tmp.dir的值/data进行扩展，扩展后dfs.name.dir的值为/data/dfs/name。再Configuration类中，方法substituteVars()就是用来进行属性扩展的，代码如下：

  01.//正则表达式对象，包含正则表达式\$\{[^\}\$\ ]+\}，u0020是unicode中标识空格的十六进制

  02.private static Pattern varPat = Pattern.compile("\\$\\{[^\\}\\$\u0020]+\\}");

  03.//最多做20次扩展

  04.private static int MAX_SUBST = 20;

  05./**

  06.* 进行属性扩展，可以扩展保存再Configuration对象中的键值对，而且还可以使用Java虚拟机的系统属性，

  07.* 在该方法中属性扩展优先使用系统属性

  08.* @param expr

  09.* @return

  10.*/

  11.private String substituteVars(String expr) {

  12.if (expr == null) {

  13.return null;

  14.}

  15.Matcher match = varPat.matcher("");

  16.String eval = expr;

  17.//循环，做多做MAX_SUBST次属性扩展

  18.for(int s=0; s<MAX_SUBST; s++) {

  19.match.reset(eval);

  20.if (!match.find()) {

  21.return eval;//什么都没有找到，返回

  22.}

  23.String var = match.group();

  24.//获得属性扩展的键

  25.var = var.substring(2, var.length()-1);

  26.String val = null;

  27.try {

  28.//先查看系统属性中是否有var对应的值，保证优先使用系统属性

  29.val = System.getProperty(var);

  30.} catch(SecurityException se) {

  31.LOG.warn("Unexpected SecurityException in Configuration", se);

  32.}

  33.//如果系统属性中没有，则查看Configuration保存再键值对中是否有var的键值对

  34.if (val == null) {

  35.val = getRaw(var);

  36.}

  37.if (val == null) {

  38.//没有找到的，则返回

  39.return eval; // return literal ${var}: var is unbound

  40.}

  41.// 进行替换

  42.eval = eval.substring(0, match.start())+val+eval.substring(match.end());

  43.}

  44. 

  45.throw new IllegalStateException("Variable substitution depth too large: "

  46.+ MAX_SUBST + " " + expr);

  47.}

  在Configuration类中，使用正则表达式\$\{[^\}\$\ ]+\}来匹配表达式expr中的${}符号，正则表达式中的\$\{是匹配expr中的前面部分$｛，\}匹配expr中的后面部分}，[^\}\$\ ]表示匹配除了^、}和$这三个字符的所有字符，而表达式中的+表示其前面的[^\}\$\ ]至少出现一次。在substituteVars()方法中先得到一个Matcher对象，然后循环MAX_SUBST次对expr中匹配正则表达式的属性进行值替换（如果存在）。可以看到优先匹配系统属性，其次是Configuration.properties中的键值对。

  延迟加载

  Configuration类采取了一种延迟加载的方式来加载XML配置文件中的键值对。使用语句

  1.Configuration conf = new Configuration();

  按照Java初始化顺序，先初始化静态域(static 变量和代码块)，再初始化非静态成员变量，最后执行构造方法，那么新建一个Configuration对象conf时，先执行Configuration类中的静态域(static 变量和代码块)，再初始化非静态成员变量，最后执行Configuration()这个构造方法，所以新建Configuration对象涉及的代码如下：

  01./**用来设置加载配置的模式，如果quitemode为true，则再加载解析配置文件的过程中，不输出日志信息，该变量只是一个方便开发人员调试的变量**/

  02.private boolean quietmode = true;

  03. 

  04./**

  05.* List of configuration resources.<br/>

  06.* 保存了所有通过addRescource()方法添加Configuration对象的资源

  07.*/

  08.private ArrayList<Object> resources = new ArrayList<Object>();

  09. 

  10./**

  11.* List of configuration parameters marked <b>final</b>.<br/>

  12.* 用于保存再配置文件中已经被声明为final的键值对的键

  13.*/

  14.private Set<String> finalParameters = new HashSet<String>();

  15./**是否加载默认资源，这些默认资源保存在defaultResources中**/

  16.private boolean loadDefaults = true;

  17. 

  18./**

  19.* Configuration objects<br/>

  20.* 记录了系统中所有的Configuration对象，

  21.*/

  22.private static final WeakHashMap<Configuration,Object> REGISTRY =

  23.new WeakHashMap<Configuration,Object>();

  24. 

  25./**

  26.* List of default Resources. Resources are loaded in the order of the list

  27.* entries<br/>

  28.* 默认资源，通过方法addDefaultResource()可以添加系统默认资源

  29.*/

  30.private static final CopyOnWriteArrayList<String> defaultResources =

  31.new CopyOnWriteArrayList<String>();

  32. 

  33./**

  34.* The value reported as the setting resource when a key is set

  35.* by code rather than a file resource.

  36.*/

  37.static final String UNKNOWN_RESOURCE = "Unknown";

  38. 

  39./**

  40.* Stores the mapping of key to the resource which modifies or loads

  41.* the key most recently

  42.*/

  43.private HashMap<String, String> updatingResource;

  44. 

  45.static{

  46.//print deprecation warning if hadoop-site.xml is found in classpath

  47.ClassLoader cL = Thread.currentThread().getContextClassLoader();

  48.if (cL == null) {

  49.cL = Configuration.class.getClassLoader();

  50.}

  51.if(cL.getResource("hadoop-site.xml")!=null) {

  52.LOG.warn("DEPRECATED: hadoop-site.xml found in the classpath. " +

  53."Usage of hadoop-site.xml is deprecated. Instead use core-site.xml, "

  54.+ "mapred-site.xml and hdfs-site.xml to override properties of " +

  55."core-default.xml, mapred-default.xml and hdfs-default.xml " +

  56."respectively");

  57.}

  58.addDefaultResource("core-default.xml");

  59.addDefaultResource("core-site.xml");

  60.}

  61./**配置文件解析后的键值对**/

  62.private Properties properties;

  63./**用于记录通过set()方式改变的配置项，而不是通过加载配置资源解析得到的变量**/

  64.private Properties overlay;

  65.private ClassLoader classLoader;

  66.{

  67.classLoader = Thread.currentThread().getContextClassLoader();

  68.if (classLoader == null) {

  69.classLoader = Configuration.class.getClassLoader();

  70.}

  71.}

  72. 

  73./** A new configuration. */

  74.public Configuration() {

  75.this(true);

  76.}

  77. 

  78./** A new configuration where the behavior of reading from the default

  79.* resources can be turned off.

  80.*

  81.* If the parameter {@code loadDefaults} is false, the new instance

  82.* will not load resources from the default files.

  83.* @param loadDefaults specifies whether to load from the default files

  84.*/

  85.public Configuration(boolean loadDefaults) {

  86.this.loadDefaults = loadDefaults;

  87.updatingResource = new HashMap<String, String>();

  88.synchronized(Configuration.class) {

  89.REGISTRY.put(this, null);

  90.}

  91.}

  92.//正则表达式对象，包含正则表达式\$\{[^\}\$\ ]+\}，u0020是unicode中标识空格的十六进制

  93.private static Pattern varPat = Pattern.compile("\\$\\{[^\\}\\$\u0020]+\\}");

  94.//最多做20次扩展

  95.private static int MAX_SUBST = 20;

  从上面的代码可以看出再新建Configuration对象时并没有读取XML文件中的属性(Property)，而只是通过静态方法addDefaultResource()将core-default.xml和core-site.xml这两个XML文件名加入到Configuration.defaultResources静态成员变量中。这样就完成了一个Configuration对象的初始化。再这个过程中并没有从XML文件中读取Property属性的键值对，所以延迟到了需要使用的时候加载。

  加载键值对

  上面说过Configuration采用了延迟加载的方式来加载XML配置文件，那么在什么时候取读取XML文件将XML文件中的键值对加载到内存呢？在调用Configuration.get()方法的时候。上面的property的保存部分说道了使用Configuration.get()方法再properties中通过给定的键取其对应的值，在get()方法中调用了getProps()方法，getProps()方法先判断properties是否为空，如果为空，则调用loadResources()方法来加载XML文件中的键值对保存在properties成员变量中，loadResources()方法的代码如下：

  01.private void loadResources(Properties properties,

  02.ArrayList resources,

  03.boolean quiet) {

  04.if(loadDefaults) {

  05.for (String resource : defaultResources) {

  06.loadResource(properties, resource, quiet);

  07.}

  08. 

  09.//support the hadoop-site.xml as a deprecated case

  10.if(getResource("hadoop-site.xml")!=null) {

  11.loadResource(properties, "hadoop-site.xml", quiet);

  12.}

  13.}

  14. 

  15.for (Object resource : resources) {

  16.loadResource(properties, resource, quiet);

  17.}

  18.}

  loadResources先加载默认的资源(defaultResources中保存)，再加载形参resources对应的资源。其中defaultResources表示通过方法addDefaultResource()可以添加系统默认资源，成员变量resources表示所有通过addRescource()方法添加Configuration对象的资源。在loadResource()方法中读取XML文件进行加载。loadResource()方法使用了DOM方式处理XML，逻辑比较简单，具体关于DOM加载XML的方式可以查阅其他资料。

  总结

  Configuration类在Hadoop的Common包中，它是所有Hadoop功能的基石，所以了解Hadoop首先应该知道Configuration类的作用与构造。上面介绍了Configuration的一些主要的变量与方法，可以为后面的其他源码分析打下坚实的基础。

  Reference

  《Hadoop技术内幕：深入解析Hadoop Common和HDFS架构设计与实现原理》