Hadoop源码学习笔记之NameNode启动流程分析一：源码环境搭建和项目模块及NameNode结构简单介绍

最近在跟着一个大佬学习hadoop底层源码及架构等知识点，觉得有必要记录下来这个学习过程。想到了这个废弃已久的blog账号，决定重新开始更新。

主要分以下几步来进行源码学习：

一、搭建源码阅读环境
二、源码项目结构概览及hdfs源码包结构简介
三、namenode介绍

 

第一步，搭建源码阅读环境。

把hadoop源码包导入到开发工具，eclipse或者idea都行。这里我的环境是mac os，使用的工具是idea，hadoop版本为2.6.5。

首先，解压缩hadoop源码包，可以选择移动解压之后的源码包到idea工作空间

然后打开idea，选择import project，指定工作空间里的源码包路径

选择maven，下一步

勾选红框内选项，下一步。

勾选红框内选项选项，下一步。

继续下一步，

继续下一步，

点击完成，等待maven下载依赖，然后就导入成功了。

需要注意的是导入的时候maven需要下载很多依赖，所以这个过程可能会稍微长一些，耐心等候即可。

项目结构如下，

 

参考链接：https://blog.csdn.net/twj0823/article/details/84560878

第二步，项目结构概览及hdfs项目包简介。

hadoop是一个庞大的项目，源码包导入idea之后，可以发现里面又按照功能分为很多不同的小项目，比较耳熟能详的有hdfs、mapreduce、yarn等，

还有别的一些功能性的组件以及新增的特性功能。点开packages视图，包结构如下：

此处暂时只针对hdfs模块的namenode进行分析。点开hadoop-hdfs之后，发现也是按照功能进行分包的结构：

　　可以自己查看一下各个包里的内容。namenode属于服务器上的一个进程，所以是在server包下。server包除了有namenode，还有datanode、

　　blockmanagement、common、protocol等包。先把目标锁定在namenode，里面大致有ha高可用、快照处理、启动进程、网络资源等模块

　　

第三步，namenode类简单介绍。

　　namenode类在下边一堆的类文件中间的位置，至此，目标终于找到，开始切入正题了。阅读源码是一个非常好的学习方法，不仅可以学习到底层的

　　技术实现机制，还可以通过查看核心代码梳理整个调用流程。

　　首先，要学会看注释，除了通过梳理核心代码流程可以得知整个代码结构之外，通过注释可以更清晰的知道代码的意图。比如看一段繁杂的代码绕来绕去、

　　晕头转向，而注释就是专门给人看的东西，帮助我们在看代码的时候有一个大致的推测方向。

　　所以，namenode的这段注释已经很明白的说明了namenode的功能和构成：

/**********************************************************
 * namenode serves as both directory namespace manager and
 * "inode table" for the hadoop dfs.  there is a single namenode
 * running in any dfs deployment.  (well, except when there
 * is a second backup/failover namenode, or when using federated namenodes.)
 *
 * the namenode controls two critical tables:
 *   1)  filename->blocksequence (namespace)
 *   2)  block->machinelist ("inodes")
 * 
 * the first table is stored on disk and is very precious.
 * the second table is rebuilt every time the namenode comes up.
 *
 * 'namenode' refers to both this class as well as the 'namenode server'.
 * the 'fsnamesystem' class actually performs most of the filesystem
 * management.  the majority of the 'namenode' class itself is concerned
 * with exposing the ipc interface and the http server to the outside world,
 * plus some configuration management.
 **********************************************************/

　　上面两段话 主要是说，namenode管理两类数据：

　　　　1.filename -> blocksequence (namespace)　

　　　　　文件到block的映射，上传的文件被切分为多个block(128m)，这份映射数据就是namespace，存储在磁盘上。

　　　　2.block -> machinelist (inodes)
　　　　　block到datanode的映射，每个block都会分配给一个datanode，每个block还有3个副本，也就是每个block对应多个datanode，

　　　　　这个映射数据就是inodes。在namenode每次启动的时候，由datanode汇报过来的。

　　最下面一段话的字面意思是，namenode主要由fsnamesystem、namenode本身、namenodeserver三部分构成。

　　其中，fsnamesystem是用来执行文件系统管理的，namenode被用来处理外部的远程调用，包括http服务以及一些配置管理。

　　这段话想表达什么意思呢？

　　fsnamesystem执行文件系统管理，这个好理解，就是负责管理元数据。

　　namenode处理外部远程调用以及http服务怎么理解？其实就是说，namenode主要干了两件事情：

　　　　1.处理一些配置属性，就是core-site.xml、hdfs-site.xml等文件里的配置；

　　　　2.启动namenodeserver(分为namenodehttpserver和namenoderpcserver)，对外监听某个端口，处理接收到的http/rpc请求。比如请求

　　　　　这两个server进行创建目录、上传/下载文件等一些操作。

　　以上就是namenode的功能和组成的大概介绍。

　　然后，结合linux上运行jar文件的经验，查看该jar的进程，发现进程名字其实就是jar中被指定执行的java类文件名。hadoop集群的主节点namenode

　　进程也是如此，由此想进一步知道namenode的启动流程，可以通过namenode类的main()入口进去查看。下一篇继续进行源码深入剖析。