如何快速上手一款开源软件

最近一篇比较火的文章中提到，techcrunch上有一篇文章，列举了当前最火的开源软件列表

THE BATTERY OPEN-SOURCE SOFTWARE INDEXRankProject NameOverall Project RatingCategorySample of Related Companies1Linux100.00IT OperationsRed Hat, Ubuntu2Git31.10DevOpsGitHub, GitLab3MySQL25.23Data & AnalyticsOracle4Node.js22.75DevOpsNodeSource, Rising Stack5Docker22.61DevOpsDocker6Hadoop16.19Data & AnalyticsCloudera, Hortonworks7Elasticsearch15.72Data & AnalyticsElastic8Spark14.99Data & AnalyticsDatabricks9MongoDB14.68Data & AnalyticsMongoDB10Selenium12.81DevOpsSauce Labs, BrowserStack11NPM12.31DevOpsNPM12Redis11.61Data & AnalyticsRedis Labs13Tomcat11.04IT OperationsNA14Jenkins10.47DevOpsCloudBees15Vagrant8.15IT OperationsHashiCorp16Postgres8.02Data & AnalyticsEnterpriseDB17Gradle7.68DevOpsGradle18Nginx7.57IT OperationsNginx19Ansible7.42IT OperationsAnsible20Kafka7.22Data & AnalyticsConfluent21GitLab6.42DevOpsGitLab22Hbase6.41Data & AnalyticsCloudera, Hortonworks23Chef6.37IT OperationsChef*24TensorFlow5.97Data & AnalyticsGoogle25Cassandra5.74Data & AnalyticsDataStax

如此多如火如荼的开源软件，的确给我们开发人员带来了很多福利，很多东西不需要从零开始做了，都会有开源帮你搞定。

但是同时也对开发人员造成了困惑，开源软件层出不穷，一会出一个，不看代码吧，有时候出现了问题搞不定，看了代码吧，一会儿代码又变了，或者出了新的开源软件，代码又得重新看，痛苦无比。

下面分享一下我的基本方法，不一定对谁都管用哦，这里以OpenStack，Hadoop，Kubernetes为例子

一、手动安装起来，一定要手动

当你要开始看一款开源软件的时候，网上会有形形色色的文档，博客，原理讲解，到官方网站上也有大量的文档等着你看，还有源代码等等，信息量实在太大了，当你不动手，只看这些文字的时候，基本是没有什么感觉的，看了也很容易遗忘，过一段时间，有哪些组件，组件之间的相互关系都搞不清楚了。

所以首先要安装起来，当然成熟的开源软件往往有自动化安装的工具，例如OpenStack的DevStack，Hadoop的Ambari，Kubernetes的kubeadm基于容器化的安装等。

但是一开始十分不建议这样做，一方面这让你丧失了详细了解开源软件的配置细节的机会，因为以后你了解原理的时候，会看到相关的信息，如果完全自动化，你将一点感觉都没有，另一方面，在你没有深入了解一个开源软件的时候，很不幸，自动化的安装往往因为环境差异问题不成功，开源软件往往就是这样欺负人，当你熟悉了他的时候，怎么安装都顺利，当你不熟悉他的时候，一步一个坑，你还不容易找到。而且自动化的安装一共做了一百步，错在了哪一步，不熟悉他的你连怎么看错误都不知道，搜索起来都是表面的原因，很可能背后其他的配置，或者网卡，或者iptables，或者systemd等有问题，从表面的报错看不出来，使得你一头雾水，不得不删了环境重新安装，再删除再重新安装，看起来自动化，其实时间可能更长。

所以不要怕麻烦，按照官方的安装文档，一步一步的安装。官方的安装文档的好处是往往会大概讲一下原理，这样会使得你有个全局的了解。这个时候，对你来说，每一步都是一个Linux操作，对Linux的基本操作的debug能力使得你更容易定位执行到了哪一步出来错误，到底是出了什么错误，是否要进行一些官方文档里面没有的，但是你的环境特殊的操作，例如安装依赖软件，配置iptables规则，默认文件路径权限有问题等等。

不要怕麻烦，配置文件一个一个的填写，将来你还是要看文档，弄明白每个配置项是什么意思，当出现了性能瓶颈的时候，还需要调整这里面的参数，而且填写这些配置文件的时候，往往会有一些相应的注释，告诉你更加详细的情况，例如配置范围，影响等等。这里需要强调一点的是，无论你按照哪个安装文档来，请完全按照人家的来，不要在不熟悉的地方耍小聪明，利用自己的已有的常识做一些小的修改，往往的结果是你觉得和人家做的一模一样，结果就是运行不起来。例如文档要求配置密码统一为password，你不知道这串数字到底哪里用了，就乖乖的统一用password，别觉得说密码太简单，我改成一个复杂的吧，结果到时候认证匹配不上，再如文档要求安装的用户名为hduser，就不要用root，你可能觉得root权限更高没有问题，结果很可能后面运行任务报的权限问题就是因为root。

对于OpenStack，原来官方文档不好的时候，陈沙克http://www.chenshake.com/还是写了非常好的安装教程的，着实帮助大家趟了很多的坑，现在官方文档也慢慢完善了起来。

对于Hadoop，官方文档还是有些粗糙，个人觉得《Hadoop + Spark 大数据巨量分析与机器学习整合开发实战》这本书非常不错，一步一步的做，过程非常详细，熟手看着有些啰嗦，但是对于新手很有帮助。

二、使用一下，推荐XXX in Action系列

安装完毕之后，接下来就是先试用一下，尝试几个经典的使用场景，一方面能够验证安装的是否完全正确，一方面可以成为一个开源软件的合格使用者。

一般的开源软件都会有XXX in Action系列的丛书，一般看完了这本书，对这个软件的方方面面的功能的使用都有了一个概况的了解。

例如hadoop有hadoop in action，OpenStack也有openstack in action，Kubernetes也马上会有kubernetes in action了。

当你非常熟练的掌握了开源软件之后，你会发现XXX in action系列里面的东西其实官方文档都有，但是一开始你找不到，也不知道从哪里下手，面对官方文档的茫茫大海，不知道哪里是边界，如何组合成场景使用，这就是XXX in action系列的作用。

三、读文档，读所有的官方文档，记不住，看不懂也要读下来

安装好了，也基本会用了，接下来就是练苦工的时候了，官方文档往往非常的多，但是要了解一个开源软件，必须要把官方文档完全读下来，这里面你会发现一些你已经知道的基本原理，你已经体验过的安装过程，你似乎配置过的参数，也会遇到你不熟悉的使用场景，深入的原理解析等等，但是一定要读下来。

虽然官方文档往往是零散的，不成体系的，可能不是一个作者写的，不同的地方会有出入，但是是最新的，所以熟悉一个开源软件，官方文档是必须的，当以后出现了问题，正常的方式应该是回头去查官方文档，而非查你当时看的那本书，因为书可能会过时。

当第一遍看完所有的官方文档，你会发现脑子都快炸了，信息量实在太大了，没关系，形成一个印象，在大脑中建立一个索引，有问题知道到哪里去查就可以了，另外多看几遍，就会发现老是那些东西，这个时候，就说明你对这个开源软件开始熟悉起来。

很多人不看官方文档，然后就去社区里面这问那问的，是非常不提倡的，这样会永远是一个门外汉。

四、了解核心的原理和算法，推荐XXX the definitive guide系列

每个开源软件都有自己的核心的亮点，在于核心的原理和算法。

当然不了解这些原理和算法，或者大概了解一下也能顺利使用，但是非常可惜，这些原理和算法，才是开源软件的精髓。

很多人抱怨说开源软件层出不穷，看不过来，但是如果能够深入原理的话，还是能够发现很多共性的东西，只不过从新组合了一下，或者做了一个变异，从而适应新的应用场景。

例如你如果本身比较熟悉Linux，网络，存储的原理的话，会发现OpenStack就是一个壳，当你熟悉了OpenStack之后，你会发现容器平台所需要考虑的，也差不多就是这些因素，当你熟悉了Kubernetes了以后，你会发现Swarm, DCOS的概念也是如此的像。

再如从学习Memcached的时候了解了一致性哈希，后来发现swift也用到类似的思想，后来发现Ceph也是使用了类似的思想。

了解核心的原理与算法，推荐the definitive guide系列，例如hadoop有hadoop the definitive guide，kubernetes有著名的黑宝书

五、看一本源码分析的书，会让你的源码阅读之旅事半功倍

了解了核心原理还不够，如果不看代码如何实现的，心里不踏实，而且也没办法为以后的代码实践借鉴，并且运维过程中遇到exception，不熟悉源代码，不知道哪里出错了，也不行。

但是开源软件代码纷繁复杂，一开始看肯定晕，如果市面上已经有了比较好的源码分析的书，将会是很大的帮助。

例如我开始阅读hadoop源代码的时候，对于老版的map-reduce过程比较熟悉了，但是到了map-reduce v2的时候，一读代码，里面的消息机制和状态机一下子就把我干蒙了，幸亏有董西成的《Hadoop技术内幕：深入解析YARN架构设计与实现原理》，看了他的解析，回头再看代码，就清晰多了。

对于kubernetes，权威指南中已经有了代码分析的章节了，另外推荐手机号购买另一本书，容器与容器云，浙大出的，也很不错。

六、开始阅读核心逻辑源代码

不能光看别人进行代码解析，按照别人指点的路，自己深入到代码里面去看，才有感觉，当然一开始阅读代码不要纠结一城一池的得失，而聚焦于核心的逻辑的代码，例如创建一个pod的整个过程，运行一个map-reduce任务的过程等等。

七、编译并Debug源代码

读核心代码还属于纸上谈兵，要想修改，需要自己会编译，通过单元测试，并且能够Debug，这个过程可不轻松，看代码容易编译难，通过单元测试如果有场景也需要花费些时间，然后真正的debug，看核心的流程里面，每个变量是多少，跳到了哪个子类里面去，只有debug了才知道。

八、开发一个插件，或者对组件做少量的修改

接下来可以尝试做一些自己的修改了，首推的方式是看看这个开源软件是否允许开发一些插件，一般设计好的开源软件都会有相应的模式的，里面打上一行日志，或者发送个消息都可以，如果插件做不到，能够找到可做少量修改的地方，重新编译，打包，部署，看看是否符合希望，才是一个开源软件开发者的起始。

九、大量的运维实践经验和面向真实场景的定制开发

前面说了这么多，都是万里长征第一步，也即今天说的上手的环节，如果是运维，仅仅熟悉上面基本的操作是不够的，生产环境会有大量的不可控因素，尤其是集群规模大的更是如此，因而大量的运维经验是实战来的，不能光靠读书。如果是开放，也是这样的，进行少量修改容易，但是一旦面临真实的客户场景，会发现改哪儿都不是，还要考虑扩展和兼容，也是非得真实项目才能练出来的。