【深入浅出 Yarn 架构与实现】1-2 搭建 Hadoop 源码阅读环境

本文将介绍如何使用 idea 搭建 Hadoop 源码阅读环境。（默认已安装好 Java、Maven 环境）

一、搭建源码阅读环境

一）idea 导入 hadoop 工程

从 github 上拉取代码。
https://github.com/apache/hadoop
可以选择对应的分支

# 如拉取 2.8.5 分支
git clone -b branch-2.8.5 git@github.com:apache/hadoop.git

在 idea 中点击 File - Open 选择对应的文件夹目录，进行导入。之后会进入漫长的程序加载过程（看机器配置和网速，可能几十分钟到几小时不等）。

二）配置注释环境

为了更方便的在阅读源码过程中记笔记，可在源码基础上创建新的分支用于记录。
1、创建新分支

# 如在 branch-2.8.5 基础上创建
git checkout -b branch-2.8.5-comment

2、在 github 上创建个新的项目
3、将本地分支 branch-2.8.5-comment 推送到远端。之后可以在自己 github 上看到这个项目分支了。

# 删除原来的远端项目
git remote remove origin
# 添加新的项目地址
git remote add origin <你的项目地址>
# 推送新的分支
git push -u origin branch-2.8.5-comment

二、源码组织架构

一）根目录结构

导入工程后，可以看到如下图的目录结构。其中，比较重要的目录有：hadoop-common-project、hadoop-mapreduce- project、hadoop-hdfs-project 和 hadoop-yarn-project 等。

• hadoop-common-project：Hadoop 基础库所在目录，该目录中包含了其他所有模块可能会用到的基础库，包括 RPC、Metrics、Counter 等；
• hadoop-mapreduce-project：MapReduce 框架的实现；
• hadoop-hdfs-project：Hadoop 分布式文件系统实现；
• hadoop-yarn-project：Hadoop 资源管理系统 YARN 实现，是我们需要重点关注的部分。

二）yarn 目录结构

Hadoop YARN 主要关注五个部分：API、Common、Applications、Client 和 Server。

• YARN API：给出了 YARN 内部涉及 RPC 协议的 Java 声明和 Protocol Buffers 定义；
• YARN Common：包含了 YARN 底层库实现， 包括事件库、服务库、状态机库、Web 界面库等；
• YARN Applications：包含了两个 Application 编程实例，分别是 distributedshell 和 Unmanaged AM；
• YARN Client：该部分封装了几个与 YARN RPC 协议交互相关的库，方便用户开发应用程序；
• YARN Server：该部分给出了 YARN 的核心实现，包括 ResourceManager、NodeManager、资源管理器等核心组件的实现。

三、远程调试

配置与远程部署的 hadoop 服务连接。
1、idea 中选择 Run -> Edit Configurations

# 在 yarn-env.sh 中添加
export YARN_NODEMANAGER_OPTS="-Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=n,address=5006"
export YARN_RESOURCEMANAGER_OPTS="-Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=n,address=5005"

# 如果想要启动时先连接 debug，则设置 suspend=y

4、可以用 idea 进行远程连接调试了