第一部分 基础篇 2
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 40
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 76
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 0.2 1.0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 ReduceTask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 228
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