最近突然覺得， 很多掌握的都還是很淺的原理，需要更深入細粒度去了解整個分佈式系統的運轉機制。於是。。開始作死而又作死而又作死的源碼之旅。
Hadoop包的功能總共有下列幾類：
tool:提供一些命令行工具，如DistCp,archive
mapreduce，:Hadoop的Map/Reduce實現
filecache:提供HDFS文件的本地緩存，用於加快Map/Reduce的數據訪問速度
fs:文件系統的抽象，可以理解爲支持多種文件系統實現的統一文件訪問接口
hdfs:HDFS，Hadoop的分佈式文件系統實現
ipc:一個簡單的IPC的實現，依賴於IO提供的編解碼功能
io:表示層，將各種數據編碼/解碼，方便在網絡上的傳輸
net:封裝部分網絡功能，如DNS,socket
security:用戶和用戶組信息
conf:系統的配置參數
metrics:系統攻擊數據的收集，用於網管範疇
util:工具類
record:根據DDL自動生成他們的編碼函數，目前可以提供C++和java
http:基於Jetty的HTTP Servlet,用戶通過瀏覽器可以觀察文件系統的一些狀態信息和日誌
log:提供HTTP訪問日誌的HTTP Servlet
一、RPC
它是一種通過網絡從遠程計算機程序上請求服務，而不需要了解底層網絡技術的協議。RPC協議假定某些傳輸協議的存在，如TCP或UDP，爲通信程序之間攜帶信息數據。
RPC採用客戶機/服務器模式，請求程序就是一個客戶機，而服務提供程序就是一個服務器。例如HDFS的通信就包括：
1、Client-NameNode之間，其中NameNode是服務器。
2、Client-DataNode之間，其中DataNode是服務器。
3、DataNode-NameNode之間，其中NameNode是服務器。
4、DataNode-DataNode之間，其中某一個DataNode是服務器，另一個是客戶端。
org.apache.hadoop.rpc中包含Client類和Server類。Server類是一個抽象類，類RPC封裝了Server,利用反射，把某個對象的方法開放出來，變成RPC中的服務器。
二、DataNode與NameNode
一個HDFS集羣可能包含上千DataNode節點，這些DataNode定時與NameNode通信，爲了減輕NameNode的負擔，NameNode上並不永久保存DataNode上那些數據塊信息，而是通過DataNode啓動時上報，來更新NameNode上的映射表。
相關包：org.apache.hadoop.hdfs.server.common、org.apache.hadoop.hdfs.server.datanode...
所有和數據塊相關的操作，都在FSDataset相關的類中進行處理，一個DataNode上可以指定多個Storage來存儲數據塊，由於HDFS規定了一個目錄能存放Block的數目，所以一個storage上存在多個目錄。對應的，FSDataset中用FSVolume來對應一個Storage,FSDir對應一個目錄，所有的FSVolume由FSVolumeSet管理，FSDataset中通過一個FSVolumeSet對象，就可以管理它的所有存儲空間。
相關包：org.apache.hadoop.hdfs.server.dataNode.fsDataSet
NameNode作爲系統文件目錄的管理者,DataNode關注的是數據塊，NameNode保存的主要信息是文件名-數據塊，數據塊-DataNode列表。 DataNode實現了InterDatanodeProtocol和ClientDatanodeProtocol，剩下的，由NameNode實現。
相關包：org.apache.hadoop.hdfs.server.protocol、org.apache.hadoop.hdfs.protocol、org.apache.hadoop.hdfs.server.namenode (重點FSNamesystem.java)
三、MapReduce
相關包:org.apache.hadoop.mapreduce.JobContext、org.apache.hadoop.mapreduce、org.apache.hadoop.mapreduce.lib.*(包含inputFomat等..)
這些還是很小的一部分，但是一點一點深入好了~