0
点赞
收藏
分享

微信扫一扫

JuiceFS分布式文件系统源码分析(Java层)


文章目录

  • ​​01 引言 ​​
  • ​​02 JuiceFS Hadoop Java API ​​
  • ​​2.1 如何使用?​​
  • ​​2.2 入口​​
  • ​​2.2.1 getFileSystem方法​​
  • ​​2.2.2 小结​​
  • ​​2.3 JuiceFS源码​​
  • ​​2.3.1 从hadoop-api到juicefs-api​​
  • ​​2.3.2 JuiceFS底层库​​
  • ​​03 总结​​
  • ​​04 文末​​

01 引言

在前面的博客​​《JuiceFS-开源分布式文件系统入门(一篇就够了)》​​,我们大致了解了JuiceFS的一些基本概念,它的架构图大致如下:

JuiceFS分布式文件系统源码分析(Java层)_hadoop


本文主要针对​​Hadoop​​​的​​Java API​​来分析下它的源码。

02 JuiceFS Hadoop Java API

官方使用教程:​​《在 Hadoop 生态使用 JuiceFS 存储》​​

2.1 如何使用?

使用​​Hadoop Java API​​去调用JuiceFS是很简单的,一般分为如下几个步骤。

STEP1:引入依赖

<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>版本号</version>
</dependency>

<dependency>
<groupId>io.juicefs</groupId>
<artifactId>juicefs-hadoop</artifactId>
<version>版本号</version>
</dependency>

STEP2:代码使用,只需要修改下Configuration就可以了

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class JuiceFSDemo {
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
conf.set("fs.jfs.impl", "io.juicefs.JuiceFileSystem");
conf.set("juicefs.meta", "redis://127.0.0.1:6379/0"); // JuiceFS 元数据引擎地址
Path p = new Path("jfs://{JFS_NAME}/"); // 请替换 {JFS_NAME} 为正确的值
FileSystem jfs = p.getFileSystem(conf);
FileStatus[] fileStatuses = jfs.listStatus(p);
// 遍历 JuiceFS 文件系统并打印文件路径
for (FileStatus status : fileStatuses) {
System.out.println(status.getPath());
}
}
}

STEP3:接下来,直接使用hadoop-common的java api即可使用JuiceFS系统了。

可以看得出,操作是十分简单的,只要引入了hadoop-common以及juicefs-hadoop的依赖,修改一下配置,即可使用。那么其底层的代码又是怎么走的呢?接下来讲讲。

2.2 入口

从上面的代码,我们可以知道,仅仅是配置了两项,然后指定了地址,即可使用JuiceFS文件系统了,如下代码:

Configuration conf = new Configuration();
conf.set("fs.jfs.impl", "io.juicefs.JuiceFileSystem");
conf.set("juicefs.meta", "redis://127.0.0.1:6379/0"); // JuiceFS 元数据引擎地址
Path p = new Path("jfs://{JFS_NAME}/"); // 请替换 {JFS_NAME} 为正确的值
FileSystem jfs = p.getFileSystem(conf);

其中主要核心是 ​​p.getFileSystem(conf)​​ 这一段代码。

2.2.1 getFileSystem方法

跟着断点走,会进入到org.apache.hadoop.fs.FileSystem.Cache#getInternal方法:

JuiceFS分布式文件系统源码分析(Java层)_hadoop_02


其中较为核心的是createFileSystem方法,进去看看:

JuiceFS分布式文件系统源码分析(Java层)_大数据_03


可以看到,createFileSystem方法主要做了获取类的元数据对象以及初始化操作,我们主要看卡getFileSystemClass方法:

JuiceFS分布式文件系统源码分析(Java层)_hadoop_04


该方法会加载所有的文件系统,对应的方法为loadFileSystems,继续断点:

JuiceFS分布式文件系统源码分析(Java层)_文件系统_05


当然到这里,并没有我们需要的JuiceFS系统,继续走下一步:

JuiceFS分布式文件系统源码分析(Java层)_大数据_06


可以看到红框的那一行,原来是通过拼接scheme来去动态加载JuiceFileSystem的对象,也就是对应前面设置的:

conf.set("fs.jfs.impl", "io.juicefs.JuiceFileSystem");

2.2.2 小结

hadoop-common初始化JuiceFS文件系统的流程:

  • 首先会解析地址获取scheme,如:(​​jfs://{JFS_NAME}/​​​,它的​​scheme​​​为​​jfs​​);
  • 接着​​hadoop-common​​里面的org.apache.hadoop.fs.FileSystem#getFileSystemClass方法通过拼接​"fs." + scheme + ".impl"​作为key值去获取config的内容,即:

//conf.set("fs.jfs.impl", "io.juicefs.JuiceFileSystem");
conf.get("fs.jfs.impl", null);

  • 最后即可实例化​​JuiceFS​​文件系统了。

2.3 JuiceFS源码

到这里我们知道了hadoop-common api对接JuiceFS的方式了,那么JuiceFS里的代码是如何的呢?

2.3.1 从hadoop-api到juicefs-api

我们可以从实际的业务入手,如下示例:

private void initHdfsPath() {
Path path = new Path(RESOURCE_UPLOAD_PATH);
try {
if (!fs.exists(path)) {
fs.mkdirs(path);
}
} catch (Exception e) {
LOGGER.error(e.getMessage(), e);
}
}

断点看看​​fs.exists​​方法:

JuiceFS分布式文件系统源码分析(Java层)_JuiceFS_07


从断点可以看到,当前的文件系统为​​JuiceFileSystem​​了,继续断点进去:

JuiceFS分布式文件系统源码分析(Java层)_大数据_08


会发下,这里会进入org.apache.hadoop.fs.FileSystem#exists方法,其中里面有一个​​getFileStatus​​方法,点击查看:

JuiceFS分布式文件系统源码分析(Java层)_分布式文件系统_09


原来它是一个抽象方法,由子类实现:

JuiceFS分布式文件系统源码分析(Java层)_大数据_10


JuiceFS分布式文件系统源码分析(Java层)_分布式文件系统_11

它有多个子类实现,当然也包括我们目前的​​JuiceFileSystemImpl​​,进入看看:

JuiceFS分布式文件系统源码分析(Java层)_JuiceFS_12


终于进来了,接着继续看io.juicefs.JuiceFileSystemImpl#getFileStatusInternal方法:

JuiceFS分布式文件系统源码分析(Java层)_文件系统_13


可以看到,原来查询是否存在,JuiceFS是使用了​​lib​​​去查,这个​​lib​​其实是调用到了底层的库了(JNI技术)。

2.3.2 JuiceFS底层库

我们通过搜索io.juicefs.JuiceFileSystemImpl#lib变量:

JuiceFS分布式文件系统源码分析(Java层)_hadoop_14


可以看到它是在io.juicefs.JuiceFileSystemImpl#loadLibrary方法初始化了,看看里面的代码:

JuiceFS分布式文件系统源码分析(Java层)_JuiceFS_15


可以看到它是通过识别当前操作系统来去加载JuiceFS的底层​​so​​库的,那么底层库的接口支持哪些呢?看看:

JuiceFS分布式文件系统源码分析(Java层)_分布式文件系统_16


其实就是支持文件系统的CURD这些,也没啥好看的了。

简单的说,它的核心并不在java代码,而是通过JNI来调用底层的库来实现的

03 总结

通过阅读本文,我们可以知道,JucieFS对接hadoop-common api的流程如下:

  1. hadoop-common里面的​​FileSystem​​​类首先会解析地址获取​​scheme​​​,如:(​​jfs://{JFS_NAME}/​​​,它的​​scheme​​​为​​jfs​​);
  • 接着​​hadoop-common​​​里面的getFileSystemClass方法通过拼接​"fs." + scheme + ".impl"​​作为​​key​​​值去获取​​config​​​的内容并实例化​​JuiceFS​​文件系统了;
  • JuiceFS文件系统对象是继承​​FileSystem​​​对象实现的,所以使用​​FileSystem​​​的接口去调用,最终由​​JuiceFS​​文件系统来实现;
  • JuiceFS文件系统的​​java​​​代码最终是调用了底层的​​so​​库去实现。

其实关键的核心还是在JuiceFS的底层库,不知道有无开源呢?感兴趣的小伙伴可以去参考它的源码:​​https://github.com/juicedata/juicefs​​

04 文末

本文主要讲解了​​hadoop-common java api​​层面JuiceFS的实现流程,希望能帮助到大家,谢谢大家的阅读,本文完!


举报

相关推荐

0 条评论