FileSystem及其源码分析
FileSystem这个抽象类提供了丰富的方法用于对文件系统的操作，包括上传、下载、删除、创建等。这里多说的文件系统通常指的是HDFS（DistributedFileSystem），其实，hadoop处理支持分布式文件系统，还提供了对诸如本地文件系统（LocalFileSystem）、FTP文件系统（FTPFIle）的支持。
在这里我们主要介绍一下DistributedFileSystem的创建过程。如下代码：
主要包括两个阶段：
1. 加载配置文件
2. 初始化文件系统
Configuration conf = new Configuration();//加载配置文件
FileSystem fs = FileSystem.get(conf);//初始化文件系统
首先来看一下配置文件加载阶段。
这是Configuration类的静态代码块，默认加载core-default.xml和core-site.xml这两个配置文件。
static{
//print deprecation warning if hadoop-site.xml is found in classpath
ClassLoader cL = Thread.currentThread().getContextClassLoader();
if (cL == null) {
cL = Configuration.class.getClassLoader();
}
if(cL.getResource("hadoop-site.xml")!=null) {//确保在类路径下不存在hadoop-site.xml(已过时)
LOG.warn("DEPRECATED: hadoop-site.xml found in the classpath. " +
"Usage of hadoop-site.xml is deprecated. Instead use core-site.xml, "
+ "mapred-site.xml and hdfs-site.xml to override properties of " +
"core-default.xml, mapred-default.xml and hdfs-default.xml " +
"respectively");
}
addDefaultResource("core-default.xml");
addDefaultResource("core-site.xml");
}
接下来进入到初始化文件系统阶段：
FileSystem的get(Configuration conf)方法调用了它的另一个方法get(getDefaultUri(conf),conf)，这个方法通过判断是否采用了缓存机制，如果采用了缓存机制，则从缓存中获取，如果没有采用缓存机制，则创建新的文件系统，默认开启缓存机制。
public static FileSystem get(Configuration conf) throws IOException {
return get(getDefaultUri(conf), conf);
}
public static URI getDefaultUri(Configuration conf) {
return URI.create(fixName(conf.get(FS_DEFAULT_NAME_KEY, DEFAULT_FS)));//通过conf中的fs.defaultFS属性获得URI（hdfs://s101）
}
public static FileSystem get(URI uri, Configuration conf) throws IOException {
String scheme = uri.getScheme();//hdfs
String authority = uri.getAuthority();//s101
if (scheme == null && authority == null) { // use default FS :默认为本地文件系统 file:///
return get(conf);
}
//省略部分代码
//判断是否缓存FileSystem
String disableCacheName = String.format("fs.%s.impl.disable.cache", scheme);
//如果不采用缓存机制，每次都创建新的FileSystem
if (conf.getBoolean(disableCacheName, false)) {
return createFileSystem(uri, conf);
}
//如果采用缓存机制，则从CACHE中获取
return CACHE.get(uri, conf);
先让我们来看一下这个CACHE到底是个什么东西？
CACHE是FileSystem的一个静态内部类，内部维护一个HashMap<Key,FileSystem>（FileSystem容器），键为Key类型，Key是CACHE的一个静态内部类，内部封装了Schema(协议，这里指hdfs)、Authority（权限主机，这里指s101），Vaule就是缓存的文件系统。
static class Cache {
//省略......
private final Map<Key, FileSystem> map = new HashMap<Key, FileSystem>();//FileSystem容器
/** FileSystem.Cache.Key */
static class Key {
final String scheme;//hdfs
final String authority;//s101
final UserGroupInformation ugi;
//省略...
}
}
CACHE.get(uri,conf)方法用于获得具体的FileSystem
FileSystem get(URI uri, Configuration conf) throws IOException{
Key key = new Key(uri, conf);
return getInternal(uri, conf, key);
}
下面我们来看一下 createFileSystem(uri, conf)是如何创建FileSystem的：
private static FileSystem createFileSystem(URI uri, Configuration conf
) throws IOException {
//根据conf和Schema获取对应的FileSystemClass，这里指的是DistributedFileSystem.class
Class<?> clazz = getFileSystemClass(uri.getScheme(), conf);
//通过反射创建文件系统
FileSystem fs = (FileSystem)ReflectionUtils.newInstance(clazz, conf);
//初始化文件系统
fs.initialize(uri, conf);
return fs;
}
再来看一下文件系统的initialize()方法做了些什么，最主要的就是创建了DFS客户端对象，是一个DFSClient，它负责与namenode进行远程通信，是一个绝对重要的家伙。
public void initialize(URI uri, Configuration conf) throws IOException {
super.initialize(uri, conf);
this.setConf(conf);
String host = uri.getHost();
if (host == null) {
throw new IOException("Incomplete HDFS URI, no host: " + uri);
} else {
this.homeDirPrefix = conf.get("dfs.user.home.dir.prefix", "/user");
//创建DFS客户端（每个文件系统都持有一个dfs客户端对象）
this.dfs = new DFSClient(uri, conf, this.statistics);
this.uri = URI.create(uri.getScheme() + "://" + uri.getAuthority());
//工作空间
this.workingDir = this.getHomeDirectory();
}
总结
FileSystem 的创建过程：
- 首先加载配置文件，主要是获得fs.defaultFS的属性值。
- 创建文件系统：
首先从CACHE.map缓存中获得相应的文件系统。
如果是第一次创建该文件系统，加载相应的文件系统的Class对象，通过反射创建文件系统对象，然后调用initialize()方法对初始化
并存入CACHE.map中。
skeleton
- fs.create()
- fs.open()
- fs.getFileStatus()
- fs.getFileBlockLocation()
