hadoop Configured Configrable Configuration Tool 源码详解

在用java写MR的时候，定义类的第一行一般都是如下方式：

public class XXX extends Configured implements Tool

run方法的一个实例如下：

public int run(String[] args) throws Exception {        Configuration conf = getConf();        GenericOptionsParser optionparser = new GenericOptionsParser(conf, args);        conf = optionparser.getConfiguration();        @SuppressWarnings("deprecation")        Job job = new Job(conf, "JudgeIfOrder");        ...        ...        ...        return (job.waitForCompletion(true) ? 0 : 1);    }

main方法如下：

    public static void main(String[] args) throws Exception {        int res = ToolRunner.run(new Configuration(), new JudgeIfOrder(),args);        System.exit(res);    }

为什么要这么写？这些类与接口内部是怎样实现的？他们之间是什么关系？相信不少小伙伴都对此会有疑问。为此，我结合相关源码，试图为大家缕缕hadoop里的作业具体是怎样配置的。这些Configured,Configrable,Tool等等又都是些什么鬼。

首先上一部分源码
Configurable接口

@[e-mail] interface Configurable {  /** Set the configuration to be used by this object. */  void setConf(Configuration conf);  /** Return the configuration used by this object. */  Configuration getConf();}

Configured类

/** Base class for things that may be configured with a {@link Configuration}. */@[e-mail] class Configured implements Configurable {  private Configuration conf;  /** Construct a Configured. */  public Configured() {    this(null);  }  /** Construct a Configured. */  public Configured(Configuration conf) {    setConf(conf);  }  // inherit javadoc  @Override  public void setConf(Configuration conf) {    this.conf = conf;  }  // inherit javadoc  @Override  public Configuration getConf() {    return conf;  }

Tool接口：

@[e-mail] interface Tool extends Configurable {  /**   * Execute the command with the given arguments.   *    * @param args command specific arguments.   * @return exit code.   * @throws Exception   */  int run(String [] args) throws Exception;}

从源码上来看，首先我们可以明确的一点是：
Configurable是这三者底层的接口，Configured类简单地实现了Configurable接口，而Tool接口继承了Configurable接口。

run方法中，第一句是

Configuration conf = getConf();

因为类XXX已经继承了Configured，所以实际上是调用Configured里的getConf()方法，得到了一个Configuration对象。 Configuration类是配置模块中的最底层的类，从它的package信息就可以看出：

package org.apache.hadoop.conf;

Configuration到底有多底层？咱们看看它源码的一小部分：

  static{    //print deprecation warning if hadoop-site.xml is found in classpath    ClassLoader cL = Thread.currentThread().getContextClassLoader();    if (cL == null) {      cL = Configuration.class.getClassLoader();    }    if(cL.getResource("hadoop-site.xml")!=null) {      LOG.warn("DEPRECATED: hadoop-site.xml found in the classpath. " +          "Usage of hadoop-site.xml is deprecated. Instead use core-site.xml, "          + "mapred-site.xml and hdfs-site.xml to override properties of " +          "core-default.xml, mapred-default.xml and hdfs-default.xml " +          "respectively");    }    addDefaultResource("core-default.xml");    addDefaultResource("core-site.xml");  }

同学们请看最后两行，它会加载core-default.xml与core-site.xml这两个最基础的配置文件。

GenericOptionsParser这个类，一看就知道是解析参数用的。

       GenericOptionsParser optionparser = new GenericOptionsParser(conf, args);        conf = optionparser.getConfiguration();

上面这两行代码，自然就是用来解析输入参数用的。。。

咱们来看最后一行代码

int res = ToolRunner.run(new Configuration(), new JudgeIfOrder(),args);

上ToolRunner的源码

public static int run(Configuration conf, Tool tool, String[] args)     throws Exception{    if(conf == null) {      conf = new Configuration();    }    GenericOptionsParser parser = new GenericOptionsParser(conf, args);    //set the configuration back, so that Tool can configure itself    tool.setConf(conf);    //get the args w/o generic hadoop args    String[] toolArgs = parser.getRemainingArgs();    return tool.run(toolArgs);  }public static int run(Tool tool, String[] args)     throws Exception{    return run(tool.getConf(), tool, args);  }

ToolRunner中与run相关的方法是这两个。我们的代码里给run方法传了三个参数，实际上执行的就是ToolRunner里第一个run方法了，ToolRunner会调用tool接口中的run方法。而我们自己写的XXX类实现了tool接口，重写了run方法。所以最后实际上调用的是我们自己写的run()方法了！

写到这里，同学们应该差不多明白里头的来龙去脉了吧。。。

在stackoverflow里看到了一段相关的描述，直接copy过来，就不翻译了，请自行阅读