HDFS读写过程

HDFS读写过程 HDFS的的写过程 1、HDFS写数据流程

1. 客户端通过Distributed FileSystem模块向NameNode请求上传文件。NameNode检查权限、文件是否存在以及父目录是否存在；
2. NameNode相应客户端是否可以上传；
3. 客户端将数据按块大小切分，并向NameNode请求第一个Block上传的节点位置；
4. NameNode返回节点位置（假设为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）。

2、DFSOutputStream内部原理

1、创建Packet

Client写数据时，会将字节流数据缓存到内部的缓冲区中，当长度满足一个Chunk大小（512B）时，便会创建一个Packet对象，然后向该Packet对象中写Chunk的Checksum校验和数据，以及实际数据块Chunk Data，校验和数据是基于实际数据块计算得到的。每次满足一个Chunk大小时，都会向Packet中写上述数据内容，直到达到一个Packet对象大小（64K），就会将该Packet对象放入到dataQueue队列(待发送数据包)中，等待DataStreamer线程取出并发送到DataNode节点。

2、发送Packet

DataStreamer线程从dataQueue队列中取出Packet对象，放到ackQueue队列(正在发送的队列)中，然后向DataNode节点发送这个Packet对象所对应的数据

3、接收ack

发送一个Packet数据包以后，会有一个用来接收ack的ResponseProcessor线程，如果收到成功的ack，则表示一个Packet发送成功，ResponseProcessor线程会将ackQueue队列中对应的Packet删除，在发送过程中;

如果发生错误，所有未完成的Packet都会从ackQueue队列中移除掉，然后重新创建一个新的Pipeline，排除掉出错的那些DataNode节点，接着DataStreamer线程继续从dataQueue队列中发送Packet。

只要有一个DN节点收到了数据，DN上报NN已经收完此块，NN就认为当前块已经传输成功！
NN会自动维护副本数！

源码中的注释：

3、网络拓扑-节点距离计算

节点距离：两个节点到达最近的共同祖先的距离总和。

4、机架感知

HDFS的的读过程

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。

参考文献：

https://blog.csdn.net/weixin_45800556/article/details/102882932

https://www.cnblogs.com/feiyumo/p/12541296.html?ivk_sa=1024320u

https://blog.csdn.net/lslslslslss/article/details/121864556?spm=1001.2014.3001.5501