引言
本文出于一个疑问：hadoop
namenode -format到底在我的linux系统里面做了些什么？
步骤
第1个文件bin/hadoop
Hadoop脚本位于hadoop根目录下的bin目录下，
打开之后阅读源代码：
在这里$1即为参数namenode
将COMMAND赋值为$1，那么COMMAND=namenode
条件判断语句的执行流到达#hdfs下的一行：
因为这一行判断COMMAND是否等于namenode
secondarynamenode等之一；
接着往下读：
判断"${HADOOP_HDFS_HOME}"/bin/hdfs存在，且为一个文件，那么就会执行
${HADOOP_HDFS_HOME}/bin/hdfs
${COMMAND/dfsgroups/groups} $@
在这里${HADOOP_HDFS_HOME}/bin/hdfs
就是根目录下的bin目录下的hdfs脚本，${COMMAND/dfsgroups/groups}就是namenode，而$@则是-format；
第2个文件bin/hdfs
注意文件中间：
设置了2个变量CLASS
以及HADOOP_OTS
和文件末尾：
通过使用echo指令，可以查看这些参数：
/usr/jdk1.8.0_51/bin/java
namenode
-Xmx1000m
-Djava.library.path=/usr/local/hadoop-2.6.0/lib
-Djava.net.preferIPv4Stack=true
-Dhadoop.log.dir=/usr/local/hadoop-2.6.0/logs
-Dhadoop.log.file=hadoop.log
-Dhadoop.home.dir=/usr/local/hadoop-2.6.0 -Dhadoop.id.str=hadoop
-Dhadoop.root.logger=INFO,console
-Dhadoop.policy.file=hadoop-policy.xml
-Djava.net.preferIPv4Stack=true -Djava.net.preferIPv4Stack=true
-Dhadoop.log.dir=/usr/local/hadoop-2.6.0/logs
-Dhadoop.log.file=hadoop.log
-Dhadoop.home.dir=/usr/local/hadoop-2.6.0 -Dhadoop.id.str=hadoop
-Dhadoop.root.logger=INFO,console
-Dhadoop.policy.file=hadoop-policy.xml
-Djava.net.preferIPv4Stack=true -Dhadoop.security.logger=INFO,RFAS
-Dhdfs.audit.logger=INFO,NullAppender
-Dhadoop.security.logger=INFO,RFAS
-Dhdfs.audit.logger=INFO,NullAppender
-Dhadoop.security.logger=INFO,NullAppender
org.apache.hadoop.hdfs.server.namenode.NameNode
-format
这是一个完整的java指令，
其中-D<名称>=<值>
设置系统属性,Xmx1000m设置JVM最大可用内存为1GB；
这个不是重点，重点在后面：CLASS为
org.apache.hadoop.hdfs.server.namenode.NameNode
也就是说java要通过一系列的选项和参数运行
org.apache.hadoop.hdfs.server.namenode.NameNode.class
接下来就是查看这个CLASS的源代码了
第3个文件NameNode.java
这个文件位于
hadoop-2.6.0-src/hadoop-hdfs-project/hadoop-hdfs/src/main/java/org/apache/hadoop/hdfs/server/namenode/
其中hadoop-2.6.0-src是hadoop2.6.0的源码，可以直接在apache
hadoop网站上下载，然后解压就可以了。
首先，找到main函数：
位于源码第1497行，
没错,就是这样一段短小精悍的代码!
做了什么呢?
第一部分,if条件语句暂时无视;
第二部分,try
-catch模块,
StringUtils.startupShutdownMessage(NameNode.class,
argv, LOG);
根据名字分析,这个是用来显示Message的.先无视.
重点在这一行代码:
调用函数createNameNode(a,b);
找这个函数,在1365行:
返回类型为NameNode的静态成员函数.
依次做了这样几件事情:
1.写LOG
2.创建一个HdfsConfiguration对象
3.创建一个StartupOption类的对象
4.设置StartupOption
5.switch-case
在这个条件语句模块里面找到FORMAT,
执行format函数,意思就是这个函数用来格式化namenode的了?
在903行,找到了:
跳到真正执行format指令的那一步
使用了2个对象fsn和fsImage,
留意在932行,
FSImage fsImage =
new FSImage(conf, nameDirsToFormat, editDirsToFormat) ;
现在就需要弄明白FSImage是怎样的一个类,以及format方法实现了怎样的功能.
说明:以下步骤均在bluefish工具的协助下进行
第138行:
对应运行hadoop
namenode -format时的log:
工作是由”storage.format(ns);”这行代码完成的
打开NNStorage.java,找到format(ns)方法;
打开Storage.java,找到clearDirectory()方法:
接下来就是FileUtil.fullyDelete(curDir)了.
在源码中没有找到fs.FileUtil,在hadoop
API中查找到了
public static void
fullyDelete(FileSystem fs,Path dir);
这样就删除了一个目录树了,运行时,dir显示为:
/tmp/hadoop-hadoop/dfs/name
经检查发现这个目录依然存在,并且目录下存在文件:
为什么会出现这种情况?
而且,在hadoop2.6.0的源代码中为什么找不到fs.FileUtil?
这些问题有待解决.
尽管如此,在format前后,对比文件占用容量大小:
Namenode Format前：
NameNode Format后：
可以看出，在执行了hadoop
namenode -format之后，name目录占用的空间从1.1M
降低至24K
总结
本文的初衷是摸索出一条命令执行的流程，从而加深对hadoop系统的认识。
不过，这些步骤只是做了一点皮毛的功夫，并没能触及hadoop最核心的部分，不管是作为一个分布式系统也好，还是一个java开源项目也好。
尽管如此，我们可以以此为切入点，如同滚雪球一样一点一点加深对这个生态系统的把握。