【Hadoop代码笔记】Hadoop作业提交之Job初始化

一、概要描述

在上一篇博文中主要描述了JobTracker和其几个服务（或功能）模块的接收到提交的job后的一些处理。其中很重要的一部分就作业的初始化。因为代码片段图的表达问题，本应该在上篇描述的内容，分开在本篇描述。

二、 流程描述  

1. 代码也接上文的最后一个方法 EagerTaskInitializationListener的jobAdded方法把JobInProgress类型的job放到List<JobInProgress>类型的 jobInitQueue中，有个单独的线程会对新加入的每个job进行初始化，其初始化调用的方法就是JobInProgress的方法initTasks。

2. 在JobInProgress的方法initTasks方法中，会根据传入的作业分片创建对应数量的TaskInProgress类型的maptask，同时会创建TaskInProgress类型的指定数量的reducetask。

3. TaskInProgress的初始化是由其构造函数和构造函数中调用的init方法完成的。

三、代码详细

1. EagerTaskInitializationListener的内部InitJob线程的run方法。调用JobInProgress的初始化方法。

static class InitJob implements Runnable {
    private JobInProgress job;
    public InitJob(JobInProgress job) {
      this.job = job;
    }

    public void run()
   {
      job.initTasks();
    }
  }

2. JobInProgress 类的initTasks方法。

主要流程：

1）根据读入的split确定map的数量，每个split一个map
2）如果Task数大于该jobTracker支持的最大task数，则抛出异常。
3）根据split的数量初始化maps
4）如果没有split，表示job已经成功结束。
5) 根据指定的reduce数量numReduceTasks创建reduce task
6）计算并且最少剩下多少map task ，才可以开始Reduce task。默认是总的map task的5%，即大部分Map task完成后，就可以开始reduce task了。

      //1）    根据读入的split确定map的数量，每个split一个map
        String jobFile = profile.getJobFile();
            Path sysDir = new Path(this.jobtracker.getSystemDir());
            FileSystem fs = sysDir.getFileSystem(conf);
            DataInputStream splitFile =
              fs.open(new Path(conf.get("mapred.job.split.file")));
            JobClient.RawSplit[] splits;
              splits = JobClient.readSplitFile(splitFile);
            numMapTasks = splits.length;

        //2）如果Task数大于该jobTracker支持的最大task数，则抛出异常。
            int maxTasks = jobtracker.getMaxTasksPerJob();
            if (maxTasks > 0 && numMapTasks + numReduceTasks > maxTasks) {
              throw new IOException(
                        "The number of tasks for this job " +
                        (numMapTasks + numReduceTasks) +
                        " exceeds the configured limit " + maxTasks);
            }           

        //3）根据split的数量初始化maps
            maps = new TaskInProgress[numMapTasks];
            for(int i=0; i < numMapTasks; ++i) {
              inputLength += splits[i].getDataLength();
              maps[i] = new TaskInProgress(jobId, jobFile,
                                           splits[i],
                                           jobtracker, conf, this, i);
            }
            LOG.info("Input size for job "+ jobId + " = " + inputLength);
            if (numMapTasks > 0) {
              LOG.info("Split info for job:" + jobId + " with " +
                       splits.length + " splits:");
              nonRunningMapCache = createCache(splits, maxLevel);
            }

            this.launchTime = System.currentTimeMillis();

           //4）如果没有split，表示job已经成功结束。

            if (numMapTasks == 0) {
              //设定作业的完成时间避免下次还会判断。
              this.finishTime = this.launchTime;
              status.setSetupProgress(1.0f);
              status.setMapProgress(1.0f);
              status.setReduceProgress(1.0f);
              status.setCleanupProgress(1.0f);
              status.setRunState(JobStatus.SUCCEEDED);
              tasksInited.set(true);
              JobHistory.JobInfo.logInited(profile.getJobID(),
                                            this.launchTime, 0, 0);
              JobHistory.JobInfo.logFinished(profile.getJobID(),
                                             this.finishTime, 0, 0, 0, 0,
                                             getCounters());
              return;
            }

           //5) 根据指定的reduce数量numReduceTasks创建reduce task
            this.reduces = new TaskInProgress[numReduceTasks];
            for (int i = 0; i < numReduceTasks; i++) {
              reduces[i] = new TaskInProgress(jobId, jobFile,
                                              numMapTasks, i,
                                              jobtracker, conf, this);
              nonRunningReduces.add(reduces[i]);
            }

          // 6）计算最少剩下多少map task ，才可以开始Reduce task。默认是总的map task的5%，即大部分Map task完成后，就可以开始reduce task了。
            completedMapsForReduceSlowstart =
              (int)Math.ceil(
                  (conf.getFloat("mapred.reduce.slowstart.completed.maps",
                                 DEFAULT_COMPLETED_MAPS_PERCENT_FOR_REDUCE_SLOWSTART) *
                   numMapTasks));

            tasksInited.set(true);
        }

3. TaskInProgress的构造函数

有构造MapTask的构造函数和构造ReduceTask的构造函数。分别是如下。其主要区别在于构造mapTask是要传入输入分片信息的RawSplit，而Reduce Task则不需要。两个构造函数都要调用init方法，进行其他的初始化。

public TaskInProgress(JobID jobid, String jobFile,
                        RawSplit rawSplit,
                        JobTracker jobtracker, JobConf conf,
                        JobInProgress job, int partition) {
    this.jobFile = jobFile;
    this.rawSplit = rawSplit;
    this.jobtracker = jobtracker;
    this.job = job;
    this.conf = conf;
    this.partition = partition;
    this.maxSkipRecords = SkipBadRecords.getMapperMaxSkipRecords(conf);
    setMaxTaskAttempts();
    init(jobid);
  }

 public TaskInProgress(JobID jobid, String jobFile,
                        int numMaps,
                        int partition, JobTracker jobtracker, JobConf conf,
                        JobInProgress job) {
    this.jobFile = jobFile;
    this.numMaps = numMaps;
    this.partition = partition;
    this.jobtracker = jobtracker;
    this.job = job;
    this.conf = conf;
    this.maxSkipRecords = SkipBadRecords.getReducerMaxSkipGroups(conf);
    setMaxTaskAttempts();
    init(jobid);
  }

4.  TaskInProgress的init方法。初始化写map和reduce类型task都需要的初始化信息。

  void init(JobID jobId) {
    this.startTime = System.currentTimeMillis();
    this.id = new TaskID(jobId, isMapTask(), partition);
    this.skipping = startSkipping();
  }

完。

为了转载内容的一致性、可追溯性和保证及时更新纠错，转载时请注明来自：http://www.cnblogs.com/douba/p/hadoop_mapreduce_job_init.html。谢谢！