hadoop一个节点默认起两个map slot，这两个slot是多线程吗？
hadoop-0.21.0 源码中是这样的：
首先看看 org.apache.hadoop.mapred.TaskTracker 类：
=====================================================================================
> 两个类变量 maxMapSlots 和 maxReduceSlots：
- maxMapSlots = conf.getInt(TT_MAP_SLOTS, 2);
- maxReduceSlots = conf.getInt(TT_REDUCE_SLOTS, 2);
复制代码
其中
- public static final String TT_MAP_SLOTS = "mapreduce.tasktracker.map.tasks.maximum";
- public static final String TT_REDUCE_SLOTS = "mapreduce.tasktracker.reduce.tasks.maximum";
复制代码
> 类方法 initializeMemoryManagement() 中 ，根据 slots 来决定申请内存的大小
- totalMemoryAllottedForTasks =
- maxMapSlots * mapSlotMemorySizeOnTT + maxReduceSlots
- * reduceSlotSizeMemoryOnTT;
复制代码
> 类方法 TaskTracker.initialize() 中会起两个 TaskLauncher 线程，分别负责启动 Mapper 和 Reduce 任务：
- mapLauncher = new TaskLauncher(TaskType.MAP, maxMapSlots);
- reduceLauncher = new TaskLauncher(TaskType.REDUCE, maxReduceSlots);
复制代码
=====================================================================================
再看看 org.apache.hadoop.mapred.TaskTracker.TaskLauncher 类，它负责启动 Mapper/Reducer 任务。
> 初始化 TaskLauncher 时，需要传入 slots 的数量：
-------------------------------------------
- public TaskLauncher(TaskType taskType, int numSlots) {
- ... ...
- this.maxSlots = numSlots;
- this.numFreeSlots = new IntWritable(numSlots);
- ... ...
- }
复制代码
特别要注意 numFreeSlots 这个类变量：
private IntWritable numFreeSlots;
-------------------------------------------
> TaskLauncher.run() 中，循环地看是否有新的 Task 需要启动，并且看是否有足够的 slots 可用：
- while () {
- while (numFreeSlots.get() < task.getNumSlotsRequired()) {
- .......
- }
- numFreeSlots.set(numFreeSlots.get() - task.getNumSlotsRequired()); // 用完了就减掉
- }
复制代码
> Task 执行完了以后，需要释放 slots ：
- public void addFreeSlots(int numSlots) {
- ... ...
- numFreeSlots.set(numFreeSlots.get() + numSlots);
- ... ...
- }
复制代码
=====================================================================================
综合上面看， slots 只是一个逻辑值 ( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是对应着一个线程或者进程。TaskLauncher 会维护这个值，以保证资源使用在控制范围内。
代码可见 ： org.apache.hadoop.mapred.TaskTracker.TaskLauncher.run() 。
Mapper 和 Reducer 都是单独的进程，但是它们与 slots 的关系是这样的：
- org.apache.hadoop.mapred.TaskTracker.TaskLauncher.run() {
- ... ...
- //got a free slot. launch the task
- startNewTask(tip);
- ... ...
- }
复制代码
这里的 slots 有点类似 “令牌” 的感觉：申请资源，先获得令牌；释放资源，交还令牌。
> mapper 和 reducer 都是单独的进程？好像有点不对，是单独的线程吧？
是单独的进程。
启动Mapper/Reducer的总的调用路径是：
- org.apache.hadoop.mapred.TaskTracker.TaskLauncher.run()
- ->
- org.apache.hadoop.mapred.TaskTracker.startNewTask()
- ->
- org.apache.hadoop.mapred.TaskTracker.launchTaskForJob()
- ->
- org.apache.hadoop.mapred.TaskTracker.TaskInProgress.launchTask()
- ->
- org.apache.hadoop.mapred.Task.createRunner() // 抽象方法，具体实现在子类 MapTask 和 ReduceTask 中
- |-> org.apache.hadoop.mapred.MapTask.createRunner() // 创建 MapTaskRunner 类实例
- |-> org.apache.hadoop.mapred.ReduceTask.createRunner() // 创建 ReduceTaskRunner 类实例
复制代码
最终，跟踪到了
MapTaskRunner 和 ReduceTaskRunner 这两个类。
至此，我们看看它们的父类 org.apache.hadoop.mapred.TaskRunner ，以下是类的说明：
- /** Base class that runs a task in a separate process. Tasks are run in a
- * separate process in order to isolate the map/reduce system code from bugs in
- * user supplied map and reduce functions.
- */
复制代码
TaskRunner 虽然 extends Thread （看起来是个线程），但是真正启动Mapper和Reduce进程的代码在函数 TaskRunner.run() 中：
- public final void run() {
- ... ...
- launchJvmAndWait(setup, vargs, stdout, stderr, logSize, workDir, env);
- ... ...
- }
复制代码
其调用了 TaskRunner.launchJvmAndWait() 方法（在此之前还有些创建文件夹、设置配置参数和环境变量等准备性的操作）：
- void launchJvmAndWait(List<String> setup, Vector<String> vargs, File stdout,
- File stderr, long logSize, File workDir, Map<String, String> env)
- throws InterruptedException {
- jvmManager.launchJvm(this, jvmManager.constructJvmEnv(setup, vargs, stdout,
- stderr, logSize, workDir, env, conf));
- synchronized (lock) {
- while (!done) {
- lock.wait();
- }
- }
- }
复制代码
上面代码主要是 launch 一个
java虚拟机进程。这也是Hadoop启动代价很高的原因，因为launch虚拟机是比较耗资源的；于是又提供了Task
JVM Reuse机制。
单独起进程的原因也说得很清楚，就是： isolate the map/reduce system code from bugs in user supplied map and reduce functions。其实就是，通过使用不同的进程空间，进行隔离，防止用户提供的代码中有bug死掉后，造成 TaskTracker 所在进程也死掉（这个死掉了，效果就跟阿凡达里面的发光树被毁了一样）。
Hadoop-0.20.2源码中的实现基本也是差不多的。