HDFS的数据流
HDFS写数据流程
剖析文件写入
- 1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
- 2）NameNode返回是否可以上传。
- 3）客户端请求第一个 Block上传到哪几个DataNode服务器上。
- 4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。
- 5）客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。
- 6）dn1、dn2、dn3逐级应答客户端。
- 7）客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答。
- 8）当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）。
网络拓扑-节点距离计算
在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。
机架感知(副本存储节点选择)
HDFS读数据流程
- 1）客户端通过DistributedFileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
- 2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
- 3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。
- 4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。