Hadoop技术内幕：深入解析MapReduce架构设计与实现原理

定　价：¥69.00

作　者：	董西成著
出版社：	机械工业出版社
丛编项：
标　签：	编程语言与程序设计计算机与互联网

购买这本书可以去

ISBN：	9787111422266	出版时间：	2013-05-01	包装：	平装
开本：	16开	页数：	332	字数：

内容简介

　　“Hadoop技术内幕”共两册，分别从源代码的角度对“Common+HDFS”和“MapReduce的架构设计和实现原理”进行了极为详细的分析。本书由Hadoop领域资深的实践者亲自执笔，首先介绍了MapReduce的设计理念和编程模型，然后从源代码的角度深入分析了RPC框架、客户端、JobTracker、TaskTracker和Task等MapReduce运行时环境的架构设计与实现原理，最后从实际应用的角度深入讲解了Hadoop的性能优化、安全机制、多用户作业调度器和下一代MapReduce框架等高级主题和内容。本书适合Hadoop的二次开发人员、应用开发工程师、运维工程师阅读。本书共12章，分4个部分（不包括附录）：第一部分（第1～2章），介绍了Hadoop源代码的组织结构、获取、编译、调试、阅读环境搭建，以及MapReduce的设计理念和基本架构；第二部分（第3章），着重讲解了MapReduce的编程接口，主要包括旧API和新API两套编程接口，以及Hadoop工作流；第三部分（第4～8章）主要分析了MapReduce的运行时环境，包括RPC框架、客户端、JobTracker、TaskTracker和Task等的内部实现细节和机制剖析；第四部分（第9～12章）深入讲解了Hadoop的性能优化、多用户作业调度器、安全机制和下一代MapReduce框架等高级主题。

作者简介

　　董西成，资深Hadoop技术实践者和研究者，对Hadoop技术有非常深刻的认识和理解，有着丰富的实践经验。曾经参与了商用Hadoop原型的研发，以及人民搜索的分布式日志系统、全网图片搜索引擎、Hadoop调度器等多个项目的设计与研发，实践经验非常丰富。对Hadoop的源代码有深入的研究，能通过修改Hadoop的源代码来完成二次开发和解决各种复杂的问题。热衷于分享，撰写了大量关于Hadoop的技术文章并分享在自己的博客上，由于文章技术含量高，所以非常受欢迎，这使得他在Hadoop技术圈内颇具知名度和影响力。

图书目录

前　言
第一部分　基础篇
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
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
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　0.21.0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　Reduce Task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
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