2.4 怎样阅读分析Hadoop的代码

如前所述，阅读分析Hadoop的代码，无非就是两种手段：一是实验；二是阅读，包括做摘要。所谓实验，主要是通过设断点等调试手段跟踪程序的执行，也包括设计测试用例让系统定向产生计算结果和运行日志以供分析。但是，对于像Hadoop这样的大型软件，要实验也不容易，实际上也无法覆盖太多的用例，所以还是要结合阅读分析。而阅读分析，则最低限度的要求是有个能做关键字搜索的工具。对此最原始的当然是grep，但是对Hadoop使用grep已经让人感到不太方便，最好能用像Eclipse或Visual Studio一类的IDE即综合开发环境。能在上面重新编译Hadoop并且运行那是最好，要不然就把它当成搜索工具也行。其实纯粹搜索也不坏，因为搜索的覆盖面是最大的，也无须事先把Hadoop编译一遍，当然缺点是有用信息容易被淹没，效率也比较低。

还要注意一点，采用Maven作为编译和构建工具之后，新版Hadoop的目录嵌套极深，以至于搜索时的路径可能因超长而被截尾，使搜索的范围不全而造成误导。

最后，说到底，阅读理解是人的事，机器和工具只能使你提高效率，最终的理解还是靠人。

作者假定本书的读者学过Java语言。但是也尽量照顾一些用过C/C++但刚开始在学习和熟悉Java的读者，这些读者不妨从第5章即作业提交那一章入手，以后对Java多熟悉一点再回头看第3章和第4章。另外，我在第5章中引用源代码会多一些，以后就逐渐转入以摘要为主。