hadoop1.x早期mapreduce slot解析

来源：互联网发布：网络设计培训编辑：程序博客网时间：2024/04/30 01:35

slot是资源调配单元，slot数量决定了cpu，内存的大小，它是一个逻辑值，类似于令牌，分为map slot，reduce slot。

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：

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

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。

那么slot代表cpu，内存资源，分为map slot和reduce slot，根据这个值判定分配的内存大小，它是个逻辑值，用完后返回，即使一个令牌，需要时获得，不需要时释放。

0 0