HDFS内副本和块的状态分析

前言

---

在HDFS内，我们通常听到的最频繁的2个名词术语：副本(Replica)和块(Block).几乎可以这么说，HDFS所有涉及到文件的操作都与这两个词相关。但是大家可能对这2个概念的理解还仅仅停留在一个比较浅的层面：比如说就是一个单一的replica或是一个单一的block块。尤其是在对块的层面，一个block块在最终完成后，它会经历哪些状态过程呢？这些细节的内容就是本文所准备阐述的。

副本/块的状态

---

在了解副本、块在文件的写入过程中的状态变化情况之前，我们需要对它们所有可能存在的状态做一个全面的了解。

副本状态

---

副本的所有潜在状态可以在DataNode的数据存放目录中进行查找。在BP打头的目录下，继续往里寻找，你应该会发现一些诸如rbw、finalized、tmp这些名称的目录。不要以为这些目录名称看起来没什么特别的，其实这与副本当前所处状态是息息相关的。

下面是一个副本所有可能处于的状态：

• 1.finalized.finalized的意思是确定好了的状态，表明此副本是已经写好的完整的副本块，这种状态的副本是HDFS内最多的，放置于finalized目录下。
• 2.rbw.rbw的全称是Replica being written to，表示正在被写入的副本块。所以下次如果在DataNode的数据存储目录中看到rbw下面的文件时，就明白这些块是正在被写入的副本块了。
• 3.rwr.rwr的全称是Replica waiting to be recovered，表示的意思是等待被恢复的块。这种情况发生于DataNode突然挂掉并重启时，之前正在写的块即rbw下的块会变为rwr状态的块。因为在DataNode恢复服务之后，会涉及到租约失效，恢复操作等等。
• 4.rur.rur的名称为Replica under recovery，表示正在恢复中的副本。这个状态是紧跟着rwr状态的。
• 5.temporary.temporary表示的是一种临时状态。当一个副本因为没有达到规定副本系数，而发生副本块的复制或集群进行数据平衡时，这些过程中产生的副本块就处于temporary状态，位于tmp目录下。当这些副本块完全写入完毕，则会从tmp目录转到finalized目录下。当DataNode在这个时候重启的时候，tmp目录下的副本块会被删除。

块的状态

---

与副本类似，一个block同样有多种状态，主要有以下几种：

• 1.Un