2.3 面向对象的程序设计

如上所述，Hadoop的代码是用Java语言编写的，而Java是一种面向对象的程序设计语言，Hadoop的设计和实现也确实是面向对象的。那么，所谓面向对象，究竟是什么意思？这个概念是怎么来的呢？这个问题，许多天天在用Java编程的人也未必清楚，但是对于我们分析和理解Hadoop的代码却是有意义的，因而值得用一些篇幅做点介绍。

最早的程序是用汇编语言甚至机器语言编写的，程序员可以使用CPU指令系统中的任何指令，那样编程效率既很低，又不安全，程序的可读性就更不用说了。这就迫使人们发展出高级语言，以提高编程效率。但是那时候的程序还都是所谓“spaghetti code”，或者说是“炒面式代码”，乱成一团。

后来荷兰科学家Dijkstra发表了著名的论文“Go To Statement Considered Harmful”，主张在高级语言中去除goto语句。结合着“去goto”，人们又提出“结构化程序设计”的概念和方法，论证只要有if-then-else和while这些程序结构，就完全可以不要goto。

事实上此后的许多高级语言中确实是不提供goto语句的。但是请注意，这只是不让在采用高级语言的应用程序中使用goto语句，而并不限制在采用例如C语言和汇编语言的系统程序中以及经编译产生的可执行代码中使用。其实这就是把使用goto语句或指令的人群范围缩小了，只让比较专业的人员使用，而限制公众使用。这样的情况也发生在别的场合。例如，大家知道Java语言不允许使用指针，但是就有人(当年作者就是其中之一)感到困惑了：不使用指针，那好多功能就无法实现啊？再说，Java中的所谓Reference与指针究竟有什么区别呢？其实Java只是不让Java程序员使用指针，它自己还是用的，Java程序经编译后的代码中当然也用指针，要不然它那些功能怎么实现？它只是不让你们Java程序员用指针而已，这是为你们好。至于Reference，也确实就是指针，只是赋值时它要检查是否真的指向一个所述类型的对象。应该承认，这确实比C语言安全多了，从而程序员的工作效率也可提高，并且还降低了程序员入门的门槛。

与此相平行，Pascal语言之父Nicklaus Wirth提出了“算法+数据结构=程序(Algorithms+Data Structures=Programs)”的命题，提醒人们不要光把眼光盯在算法上，数据结构同样重要。事实上，程序中的许多bug都来自对数据结构的不当访问。这就好比，对于一个设备，哪怕是很简单的物件，要是谁都可以来自助使用，七手八脚，就难免出错。比较好的办法是凡要使用就必须按规定的方法使用，不能让人自作主张。更好的办法是有专人负责，你要怎么样就对他说，由他来帮你操作。

在这样的背景下，Hoare和Brinch Hansen等人提出和发展了“模块化程序设计”、“结构化程序设计”的概念和方法，提出了对象即Obj ect的概念，说Obj ect就是“数据结构，和定义于这个数据结构上的全部操作”。而“类(class)”，则是对具有相同数据结构和相同操作方法集合的那些Obj ect的抽象。

所以，当我们说创建了一个某类的对象时，我们说的是：分配存储空间用作这个类所定义的数据结构，并带有这个类所定义的对于这个数据结构的全部操作(有些操作也可以是超出这个范围的)。这样，我们就把数据“封装”在具体的对象中了。但是这又要靠语言来保证，所谓靠语言保证，其实是靠这个语言的编译器(或解释器)保证。例如，在编译的过程中，如果发现某个类的程序中要自行直接访问另一个类的某个数据成分，而那个数据成分的性质在程序中说明为private，就马上报出错并拒绝继续编译，这样就使该项数据的封装得到了保证。读者也许会问，要是我绕过编译，直接用Java的机器码写个程序来访问这个数据成分呢？答案是：如果你有这个本事，所在的公司或团队又允许你这样做，那当然是挡不住的，但是又有几个人会这样做呢？

不过光是做到了数据封装还不足以让一个语言成为“面向对象”，人们普遍认为需要满足三个要求才算是面向对象，还有两个是“多态(polymorphism)”和“继承(inheritance)”。如果不同时满足这三项要求，就只能说是“基于对象的(Obj ect Based)”，而不能说是“面向对象的(Obj ect Oriented)”。

不过也有的类中并未定义数据成分，而只是定义了一些方法，这样的类实际上就是一个小小的库函数(lib)模块。反过来，如果只定义了数据成分而并未定义任何方法，那就只是一个纯粹的数据结构，但是这样的情况几乎没有。

所谓“多态”，有几方面的意思。首先是同一个函数名可以用于多个不同的函数，只要参数的类型或个数不同，比方说，同样是在BlockManager这个类里面，就定义了两个都叫completeBlock的函数：

      completeBlock(final BlockCollection bc, final int blkIndex, boolean force)
      completeBlock(final BlockCollection bc, final BlockInfo block, boolean force)

二者的区别仅在于第二个参数的类型，一个是int，另一个是BlockInfo。之所以可以如此，是因为Java的编译器会自动把函数的参数表，即所有各个参数的类型，加以排列编码作为后缀拼接在函数名后面。这样，程序员所看到的函数名与编译器所使用的函数名其实是不一样的。这对于程序员确实是提供了方便，因为这二者的功能是一样的，符合思考的习惯。用C语言编程的时候，像这样的情况就得用不同的函数名，例如completeBlock_Index()和completeBlock_Info()，那就要麻烦一些，所以这确实是一项改进。可是这对于程序的阅读分析却未必是好事，因为阅读分析者看到某处调用了completeBlock()，却不知道究竟是其中的哪一个，这时候就得仔细去看调用时的实参分别是什么类型，再去与两个函数的参数表比对，才能知道究竟是调用了哪一个。所以，在阅读分析面向对象的程序代码时，很容易在这样的情况下误入歧途，需要特别注意。

“多态”的另一种意思是，一个类可以有多个不同的“子类(Subclass)”，在程序中可以用“父类”来泛指不同的子类(也许说“大类”、“小类”更符合我们的习惯)。比方说，Hadoop的代码中定义了一个抽象类InputFormat。所谓抽象类，是指这个类声称要提供的函数有些是尚未实现的、是悬空的，有待于它的子类加以落实，因为预知不同的子类应该会有不同的实现；而InputFormat的子类，即扩充了InputFormat的类，事实上就有十多个。然后，程序中可以对InputFormat类进行某些操作，而无须明说这是对于哪个具体的子类。其实这样的“动态绑定”在C程序中也有使用，例如Linux内核中的file_operations数据结构就是用于这种目的，但是在C程序中一般用得不多，而在Hadoop这样的大型Java程序中就比比皆是了。和上述函数名的多态一样，我们在阅读分析Java程序时也很容易因此而误入歧途。

要成为面向对象的程序设计语言，还须满足“继承”的要求。这是说，如果一个类声称扩充(extends)了另一个类，那么后者就是它的父类，于是它就自动继承了父类的所有成分和方法，父类中有什么它就有什么，然后它还可以再补充定义一些成分和方法。这样，当你看着一个类的代码时，一定要意识到这也许不是它的全部，它可能还从父类那里继承了不少内容。另外，当你看到程序中某处调用了这个类的某个方法，可是它的定义中没有这么一个方法的时候，一定要记得去它的父类甚至祖类那里去寻找。

所以，作者的体验是，比之C程序，我们阅读分析Java程序的时候要多长个心眼。