Giraph源码分析（四）—— Master 如何检查Worker启动成功
本文的目的 说明Giraph如何借助ZooKeeper来实现Master与Workers间的同步（不太确定）。 环境 在单机上（机器名：giraphx）启动了2个workers。 Giraph遵从单Master多Workers结构，BSPServiceMaster使用MasterThread线程来进行全局的同步。每个Worker启动成功后，会向Master汇报自身的健康状况，那么Master是如何检测Workers是否都成功启动了？ Master在ZooKeeper上创两个目录，_workerHealthyDir和 _workerUnhealthyDir，分别用来记录Healthy Workers和UnHealthy Workers。 主要在BspServiceMaster类中的getAllWorkerInfos()方法来完成，其调用关系如下，注意下getAllWorkerInfos()到MasterThread.run()方法调用关系，比较难找。 创建的两个目录如下： /_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerHealthyDir /_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerUnhealthyDir 每个Worker在setup()中，调用registerHealth()方法来注册自身的状态。 若自身是Healthy的，则在_workerHealthyDir目录下添加子节点 /wokerInfo.getHostNameId()，否则在_workerUnhealthyDir目录下添加。wokerInfo.getHostNameId()为：Hostname+“_”+TaskId。 Task1和Task2 （Task 0是master） 创建的子节点如下： /_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerHealthyDir/giraphx_1 /_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerHealthyDir/giraphx_2 Master 在checkWorkers()方法中，在While死循环中（实际有超时限制），通过调用getAllWorkerInfos()方法来获取_workerHealthyDir目录下的子节点，然后比较子节点数目是否达到maxWorkers(启动job时定义的，-w参数)。 若小于maxWorkers，则继续调用getAllWorkerInfos()方法进行下一轮检测；若等于maxWorker，退出While循环，然后返回healthyWorkersInfoList：[Worker(hostname=giraphx, MRtaskID=1, port=30001), Worker(hostname=giraphx, MRtaskID=2, port=30002)] 。 问题：由于在分布式环境中，每个Worker和Maste都是并行运行，彼此不知道对方的运行情况。上述第3步骤中，若还有子节点还没有创建，就一直在while死循环中调用来检测getAllWorkerInfos()方法检测，效率比较低下，当然也比较笨！ Giraph借用ZooKeeper来高效的进行检测。设计理念如下： master在获取子节点时，注册Watcher（为注册器，用于触发相应事件）。 若某个task创建了子节点后，就会触发Watcher事件。 若子节点数目小于maxWorkers，就调用 workerHealthRegistrationChanged的await()方法释放当前线程的锁，陷入等待状态。不会进行无用的检测。 说明：workerHealthRegistrationChanged为PredicateLock类型（implements BspEvent接口），PredicateLock里面使用可重入锁 ReentrantLock和Condition进行线程的控制。 当某个task创建了子节点后，触发Watcher事件。 调用BspService中的public final void Process(WatchedEvent event)事件，该方法根据事件的路径来激活相应的BspEvent事件。此处对应的是： 实验运行如下： s(926)) - process: Got a new event, path = /_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerHealthyDir, type = NodeChildrenChanged, state = SyncConnected INFO bsp.BspService (BspService.java:process(960)) - process: workerHealthRegistrationChanged (worker health reported - healthy/unhealthy ) 这样就会激活master线程，开始下一轮检测。 子节点数目等于maxWorkers时，就停止。 总结：每创建一个子节点时，才会进行一次检测，效率较高！
