关于 hadoop slot的一篇转载

版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明
http://luobeng.blogbus.com/logs/105015789.html

原文 ：http://hi.baidu.com/%F1%FB%D7%F3%D1%D4/blog/item/7aa31bc9f33e7e057e3e6f52.html

 hadoop一个节点默认起两个map slot，请问这两个slot是多线程吗？

hadoop-0.21.0 源码中是这样的：

首先看看 org.apache.hadoop.mapred.TaskTracker 类：

=====================================================================================

> 两个类变量 maxMapSlots 和 maxReduceSlots：

-------------------------------------------

    maxMapSlots = conf.getInt(TT_MAP_SLOTS, 2);

    maxReduceSlots = conf.getInt(TT_REDUCE_SLOTS, 2);

  其中 

    public static final String TT_MAP_SLOTS =  "mapreduce.tasktracker.map.tasks.maximum";

    public static final String TT_REDUCE_SLOTS = "mapreduce.tasktracker.reduce.tasks.maximum";

-------------------------------------------

> 类方法 initializeMemoryManagement() 中 ，根据 slots 来决定申请内存的大小

-------------------------------------------

totalMemoryAllottedForTasks =

        maxMapSlots * mapSlotMemorySizeOnTT + maxReduceSlots

            * reduceSlotSizeMemoryOnTT;

-------------------------------------------

> 类方法 TaskTracker.initialize() 中会起两个 TaskLauncher 线程，分别负责启动 Mapper 和 Reduce 任务：

-------------------------------------------

    mapLauncher = new TaskLauncher(TaskType.MAP, maxMapSlots);

    reduceLauncher = new TaskLauncher(TaskType.REDUCE, maxReduceSlots);

-------------------------------------------

=====================================================================================

再看看 org.apache.hadoop.mapred.TaskTracker.TaskLauncher 类，它负责启动 Mapper/Reducer 任务。

=====================================================================================

> 初始化 TaskLauncher 时，需要传入 slots 的数量：

-------------------------------------------

    public TaskLauncher(TaskType taskType, int numSlots) {

      ... ... 

      this.maxSlots = numSlots;

      this.numFreeSlots = new IntWritable(numSlots);

      ... ... 

    }

  特别要注意 numFreeSlots 这个类变量： 

      private IntWritable numFreeSlots;

-------------------------------------------

> TaskLauncher.run() 中，循环地看是否有新的 Task 需要启动，并且看是否有足够的 slots 可用：

-------------------------------------------

  while () {

    while (numFreeSlots.get() < task.getNumSlotsRequired()) {

       .......

    }

    numFreeSlots.set(numFreeSlots.get() - task.getNumSlotsRequired());   // 用完了就减掉

  }

-------------------------------------------

> Task 执行完了以后，需要释放 slots ：

-------------------------------------------

    public void addFreeSlots(int numSlots) {

      ... ...

      numFreeSlots.set(numFreeSlots.get() + numSlots);

      ... ...

    }

-------------------------------------------

=====================================================================================

所以，综合上面看， slots 只是一个逻辑值 ( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是对应着一个线程或者进程。TaskLauncher 会维护这个值，以保证资源使用在控制范围内。

帮助理解的最主要的代码可见 ： org.apache.hadoop.mapred.TaskTracker.TaskLauncher.run()  。

Mapper 和 Reducer 都是单独的进程，但是它们与 slots 的关系是这样的：

-------------------------------------------

org.apache.hadoop.mapred.TaskTracker.TaskLauncher.run() {

          ... ...

          //got a free slot. launch the task

          startNewTask(tip);

          ... ...

}

-------------------------------------------

这里的 slots 有点类似 “令牌” 的感觉：申请资源，先获得令牌；释放资源，交还令牌。

> mapper 和 reducer 都是单独的进程？好像有点不对，是单独的线程吧？

是单独的进程。

启动Mapper/Reducer的总的调用路径是：

-------------------------------------------

org.apache.hadoop.mapred.TaskTracker.TaskLauncher.run()

->

org.apache.hadoop.mapred.TaskTracker.startNewTask()

->

org.apache.hadoop.mapred.TaskTracker.launchTaskForJob()

->

org.apache.hadoop.mapred.TaskTracker.TaskInProgress.launchTask() 

->

org.apache.hadoop.mapred.Task.createRunner()  //  抽象方法，具体实现在子类 MapTask 和 ReduceTask 中

   |-> org.apache.hadoop.mapred.MapTask.createRunner()  // 创建 MapTaskRunner 类实例

   |-> org.apache.hadoop.mapred.ReduceTask.createRunner()  // 创建 ReduceTaskRunner 类实例

-------------------------------------------

最终，跟踪到了 MapTaskRunner 和 ReduceTaskRunner 这两个类。

至此，我们看看它们的父类 org.apache.hadoop.mapred.TaskRunner ，以下是类的说明：

-------------------------------------------

/** Base class that runs a task in a separate process.  Tasks are run in a

 * separate process in order to isolate the map/reduce system code from bugs in

 * user supplied map and reduce functions.

 */

-------------------------------------------

TaskRunner 虽然 extends Thread （看起来是个线程），但是真正启动Mapper和Reduce进程的代码在函数 TaskRunner.run() 中：

-------------------------------------------

  public final void run() {

      ... ... 

      launchJvmAndWait(setup, vargs, stdout, stderr, logSize, workDir, env);

      ... ... 

  }

-------------------------------------------

其调用了 TaskRunner.launchJvmAndWait() 方法（在此之前还有些创建文件夹、设置配置参数和环境变量等准备性的操作）：

-------------------------------------------

  void launchJvmAndWait(List setup, Vector vargs, File stdout,

      File stderr, long logSize, File workDir, Map env)

      throws InterruptedException {

    jvmManager.launchJvm(this, jvmManager.constructJvmEnv(setup, vargs, stdout,

        stderr, logSize, workDir, env, conf));

    synchronized (lock) {

      while (!done) {

        lock.wait();

      }

    }

  }

-------------------------------------------

上面代码主要是 launch 一个 java虚拟机进程。这也是Hadoop启动代价很高的原因，因为launch虚拟机是比较耗资源的；于是又提供了Task JVM Reuse机制。

单 独起进程的原因也说得很清楚，就是： isolate the map/reduce system code from bugs in user supplied map and reduce functions。其实就是，通过使用不同的进程空间，进行隔离，防止用户提供的代码中有bug死掉后，造成 TaskTracker  所在进程也死掉（这个死掉了，效果就跟阿凡达里面的发光树被毁了一样）。

Hadoop-0.20.2源码中的实现基本也是差不多的。