认识XML：概念、语法、实例(Hadoop读取core-site.xml中数据的机制)

0、简要理解几个基本概念

-----0.0 标记语言是什么？

-----0.1 标准通用标记语言（SGML）

-----0.2 可扩展标记语言（XML）：本文主角

1、本文主角：XML（可扩展标记语言）

-----1.0 XML学习-思维导图

-----1.1 XML-语法规范概述

-----1.2 XML-文档声明

-----1.3 XML-注释

-----1.4 XML-元素（/标记/节点）

-----1.5 XML-属性

2、实例hadoop/core-site.xml解析

提出问题：
在搭建Hadoop集群时，第一个配置的文件是：hadoop-2.6.5/etc/hadoop/core-site.xml，添加RPC配置。

[root@master hadoop]# vi /opt/bigdata/hadoop-2.6.5/etc/hadoop/core-site.xml

        
                fs.defaultFS
                hdfs://192.168.11.128:9000
        
        
                hadoop.tmp.dir
                file:/opt/bigdata/hadoop-2.6.5/tmp
        

其中，RPC（remote procedure call，远程过程调用）是一种信息传输协议。即一种通过网络从远程计算机程序上请求服务、而不需要了解底层网络技术的协议。

但是：

• 这个xml后缀文件是什么？是用来干什么的
• 怎么被hadoop-2.6.5用上的？

本质知其然，知其所以然的精神一探xml。不过在此不会深究，会用、够用即可。

有时候需要具备“黑盒思维”，不是“白盒思维”，知道怎么用它即可。也就是说：只需了解做成某个样子，就有利于计算机、程序来呈现出来。形象类比：不需要每个人都知道人民币在造币厂怎么生产的，我们要知道的是怎么合法、最大化地赚钱。

0、简要理解几个基本概念

了解这些基本概念，有助于理解xml。

【标记】是指计算机所能理解的信息符号，通过此种标记，计算机之间可以处理包含各种信息的文档等。如何定义这些标记，既可以选择国际通用的标记语言，比如HTML，也可以使用像XML这样由相关人士自由决定的标记语言，这就是语言的可扩展性。

0.0 what is 标记语言？Markup Language（ML）

现在编辑的CSDN博客的Markdown（有道云笔记等）、Web设计或开发的HTML、XML、XHTML等，都是一种标记语言。与代码有何区别？

• 从外观、组织上看，它们有规范的标签形式，是一种注释文本的语言，目的是便于计算可以操作标签中的文本。

• 标记语言，是一种将文本、文本相关的墙体信息结合起来，展现出关于文档结构、数据处理细节的电脑文字编码。不过用标记（标签）对其进行标识，将其与文本本身区别开来。

• 标记语言，像其他编程语言一样，需要一个运行时环境，使其有用。这个提供运行时环境的元素称为用户代理。

标记语言举例：一段HTML代码

  


  
标记语言
  
标记语言 是一种 语法简单 的标记语言。
  它使用易于理解的格式标记 。
  
  

  
可以使用最简单的文本编辑器编辑。
  
所见即所得，非技术控亦可直接阅读源码。
  
可版本控制。
  
实现单一源文件出版。
  

只要这么写，计算机上的浏览器就能轻易识别，打开后呈现如下：其中的标签、、等等不会呈现在网页上的，而且对于计算机浏览器而言都有固定的含义，知道怎么处理这些标签。

CSDN的Markdown也可以理解为一种标记语言，只要如下这么写（其中星号、等号等可理解为标签、标记），网页就会呈现想要的效果。

0.1 标准通用标记语言（SGML）

当规则被编写为 如何编写和使用这些标记时，标记就成为一种语言，并且由外部权限定义，形成标记语言的工作方式，供许多不同的人不同的场合下使用。

不然A这么标记、B那么标记、C这样标记，就乱套了，增加成本。所以，必须用一系列约定好的标记来对电子文档进行标记，以实现对电子文档的语义、结构、格式（样式）的定义。并且，这些标记必须很容易地区分内容（文本本身），易于识别。

于是国际标准化组织（ISO）发布了一个信息管理管理方面的国际标准：标准通用标记语言（Standard Generalized Markup Language，SGML），基本思想是分开文档的内容与样式。

通过其中的修饰词“标准”、“通用”就可以理解其用意了，让地球人都通用，都按这个来写。一个典型的符合SGML的文档可分为3个层次：

• 1 结构，SGML定义了文档类型定义（DTD），为组织文档的文档元素（如：标题、段落）提供了一个框架、以及为文档元素之间的相互关系指定了规则，确保文档的一致性。
• 2 内容，信息本身，即在标签（开始标签、结束标签之间）中的内容，如：标题、段落、表格的具体内容。
• 3 样式，如呈现出现来的字体、颜色、大小等。

这也是SGML的工作原理。

0.2 可扩展标记语言（XML）：本文主角

可扩展标记语言（eXtensible Markup Language，XML），从名字能看出大概了：可扩展、标记、语言。

修饰词：可扩展（extensible）。主要在于XML能够控制无穷无尽的标记，而且控制每个标记的方式也是无穷尽的，即允许用户对于自己的标记语言进行定义的源语言。没有被预定义，需要自定义标签，是W3C的推荐标准。

XML的出现，肯定是为了解决某一个或某一类问题的。举一例：HTML解决了在Web上显示数据，但如果需跨设备、跨平台（安卓、PC、服务器等）之间利用这个文档中的数据（文本本身），HTML是做不到的。XML的诞生是为了完善HTML的缺陷和局限性。

XML文件的后缀名是.xml，XML的定位是用于传输和存储数据，是为了不同应用、不同平台之间的数据共享和通信；是Internet环境中跨平台的、依赖于内容的技术，是当前处理结构化文档信息的有力工具；是一种简单的数据存储语言，使用一系列简单的标记来描述数据；与操作系统、编程语言无关，就能实现不同系统、不同应用之间的数据交换；独立于硬件、软件的信息传输工具。具体场景有：

• 可作为一种简单的、小型的数据库，存储、并检索数据；
• 传输约定格式的文件
• 作为应用程序的配置文件（即 用于保存程序的配置的文件）【文章开头提到的Hadoop配置文件core-site.xml】

XML只是一种标记语言（本质就是个纯文本），不存在将.xml文件转换为可执行的二进制代码直接运行的说法。Java、python、scala等编程语言都能操作.xml文件（有能力处理纯文本的软件都可以处理 XML）。

	HTML	XML
作用	显示数据	传输和存储数据
语法上明显的区别	没有右边XML的要求	要求嵌套、成对，并遵循DTD的树形结构
空格	多个空格只会显示一个	输入几个显示几个
与数据库的关系	无直接联系	与关系型、层状数据库均可对应和转换
大小写敏感性	不区分	区分
侧重点	显示数据、以及如何更好地显示数据，焦点是数据的外观	描述数据、以及如何存放数据，焦点是数据的内容

简要说明与XML的闺蜜（不是一个妈妈生的）：JSON（Javascript Object Notation，js对象表示法）区别

• 共同点：作用也是存储、交换文本信息；
• 区别：
  • JSON比XML更小、更快、更易解析
  • JSON适用于简单的传值；XML适用于更广阔的范围
  • JSON是键值对；XML是树形结构

数据是一样的，不同的只是数据的格式而已。同样的数据，可以用XML格式传递，用XML解析出来；也可以用JSON格式传递，用JSON解析出来。

XML、JSON，这些只是包装数据的不同的格式而已，重要的是其中的数据，而不是包装的格式。选择一种最适合场景的工具就行。

1、本文主角：XML

文章开头core-site.xml，在Chrome浏览器中打开，显示如下

XML的数据结构最大的特征：树形结构。

1.0 XML学习-思维导图

1.1 XML-语法规范概述

• 声明语句（文档第一句）
• 必须有一个根元素
• 标记的大小写是敏感的
• 属性值用引号
• 标记成对
• 元素正确嵌套
• 注释的正确使用

1.2 XML-文档声明

对于我刚才没写文档声明的core-site.xml文件，用IE会自动在头部加上这句（Chrome不会）：

文档声明语句不是必需的。完整的文档声明如下：在XML文档的第一行

version –文档符合XML1.0规范
encoding –文档字符编码，比如”GB2312”或者”UTF-8”
standalone –文档定义是否独立使用。standalone=”no”为默认值。yes代表是独立使用，而no代表不是独立使用

1.3 XML-注释

1、注释内容不要出现- -
2、不要把注释放在标记中间；
3、注释不能嵌套
4、可以在除标记以外的任何地方放注释

可以横跨多行，如下：

1.4 XML-元素（/标记/节点）

每个XML文档必须有且只有一个根元素。

• 是一个完全包括文档中其他所有元素的元素
• 根元素的起始标记要放在所有其他元素的起始标记之前
• 跟元素的结束标记要放在所有其他元素的结束标记之后

XML元素 就是指XML文件中的标签，一个标签包含：开始标签、结束标签。

http://www.baidu.com/

XML元素命名规范

• 可以含字母、数字以及其他的字符
• 不能以数字或者标点符号开始
• 不能以字符 “xml”（或者 XML、Xml）开始
• 不能包含空格
• 不能用保留字
• 最佳命名习惯：使名称具有描述性，见名知意
  • 简洁
  • 避免“-”字符连接，如first-name
  • 避免“.”字符连接，如first.name
  • 避免“:”字符，冒号会被转换为命名空间来使用

XML 元素是可扩展的
也就是说，可以经常在不中断应用程序的情况下进行扩展，比如：临时向原xml文档增加几个元素，而不必中断应用程序。

一个标签中也可以嵌套若干子标签。但所有标签必须合理地嵌套，绝对不允许交叉嵌套。下方是错误的：
welcome to www.baidu.com

对于XML标签中出现的所有空格和换行，XML解析程序都会当做标签内容进行处理。

1.5 XML-属性

XML元素可以在开始标签中包含属性（Attribute），用于提供关于原始的额外（附加）信息。

	lijiacheng

• 属性值用双引号或单引号包裹。如果属性值中有单引号，则用双引号包裹；如果有双引号，则用单引号包裹；如果同时有单、双引号，则用实体（转义字符），XML有5个预定义的转义字符：

实体	符号表示	描述
<	<	小于
>	>	大于
&	&	与
'	’	单引号
"	"	双引号

• 一个元素可以有多个属性，基本格式为：
  <元素名 属性名1="属性值1" 属性名2="属性值2">

• 特定的属性名称在同一个元素标记中只能出现一次

什么时候用属性？什么时候用元素？元数据（有关数据的数据）应当存储为【属性】，而数据本身应当存储为【元素】。

不过，在XML中，使用【属性】注意事项：

• 属性无法包含多重的值（元素可以）
• 属性无法描述树结构（元素可以）
• 属性不易扩展（为未来的变化）
• 属性难以阅读和维护

2、回到实例hadoop/core-site.xml

        
        	
        	
                fs.defaultFS
                hdfs://192.168.11.128:9000
        
        
        	
                hadoop.tmp.dir
                file:/opt/bigdata/hadoop-2.6.5/tmp
        

通过分析Hadoop源码（一般工程路径是：/hadoop-2.6.5/blob/master/hadoop-common-project/hadoop-common/src/main/java/org/apache/hadoop/conf/Configuration.java），start-all.sh脚本启动Hadoop集群的过程中：

• 1 创建一个Configuration类的实例：Configuration conf = new Configuration();；
• 2 用addDefaultResource("core-site.xml")方法从指定路径（CLASSPATH）加载到core-site.xml文件；
• 3 用get?()读取core-site.xml文件中配置的数据，用于启动hadoop时生效。

通过上述步骤就xml文件产生了它应有的作用！

参考大佬博客：
hadoop配置文件加载机制
hadoop配置文件加载顺序：分析的很6