Hadoop之TaskAttemptContext类和TaskAttemptID类
先来看看TaskAttemptContext的类图
:
Figure1:TaskAttemptContext类图
用户向Hadoop提交Job(作业),Job在JobTracker对象的控制下执行。Job不是独立完成的,Job提交后,Hadoop根据集群的规模将Job分解为若干个Task(任务),然后分发到集群中,在TaskTracker的控制下运行。Task包括Map Task和Reduce Task,是MapReduce的Map操作和Reduce操作的地方。
要了解这个类,还得去看看另一个类——TaskAttemptID,Figure2是TaskAttemptID的类图:
Figure2:TaskAttemptID类图
TaskAttemptID的功能就是提供一个task attempt的ID,而一个task attempt是一个Map Task或Reduce Task实例。TaskAttemptID由两部分组成,第一部分是TaskID,第二部分是task attempt序号。TaskAttemptID的格式如下:
attempt_201108091551_0001_m_000000_0 或
attempt_local_0001_m_000000_0
attempt_201108091551_0001_m_000000_0表示2011年8月9日15时51分启动的JobTracker中第0001号作业的第000000号map task的第0号task attempt。
分段来分析就是:
attempt:表示该标识代表task attempt;
201108091551:表示JobTracker启动时间;
0001:表示在JobTracker上运行的0001号job;
000000:如果紧跟后面的字母是“m”,表示000000号map task,如果紧跟后面的字母是“r”,则表示000000号reduce task;
0:表示0号task attempt;
第二种格式有点不一样,在第二个字段中不是JobTracker的启动日期,而是local,表示单机或伪集群模式运行,其他字段含义与第一种格式一样。
分析了TaskAttemptID类后,我们现在来分析TaskAttemptContext类。由类名可以知道,该类是提供task attempt的相关信息。
getTaskAttemptID:获取task attempt的ID,即类似attempt_local_0001_m_000000_0;
setStatus:设置task当前的状态;
getStatus:获取task当前的状态;
progress:报告进度,这是个空方法,子类会通过重写这份方法来进行相关操作,如使用StatusReporter报告进度;
TaskInputOutputContext继承TaskAttemptContext,重写了setStatus方法和progress方法。在TaskInputOutputContext的这两个方法中,都使用StatusReporter对象。可见,继承TaskAttemptContext的子类主要是重写这两个方法来完成工作的。