1.先描述一下写。在客户端往hdfs写数据的时候(应该包括append),数据是以包为单位发生到hdfs的datanode上的。包会先放到一个dataQueue中去,有一个DataStreamer服务会查看这个dataQueue是否有包,并且坚持这个包是不是块(一个hdfs块,默认的为64M)。如果有包了会先向namenode申请一个block(这个block为新分配的块,其中包括datanode的信息),然后将包发给这个datannode。一直发,直到包的为block的最后一个包,其会关闭所有的对现有datanode的连接,并有新包的时候会再次向向namenode申请新 的块
每当客户端发送完一个包的时候,客户端就会将这个包从dataQueue中移动到ackQueue中
在这个过程中,还有另一个服务启动并监听着,是
ResponseProcessor。因为block都有副本数,其他的存储副本数的datanode正常存储数据后会想客户端发送一ack,当接收到全部的ack后
ResponseProcessor会将包从ackQueue中移除掉
*当客户端程序填满了当前的包的时候,其就会被放入到一个dataQueue中。
*DataStreamer线程会从dataQueue中取出包,将其发到管道中的第一个datanode,然后
*在收到第一个datanode的确认回执之后将这个数据包从dataQueue中移动到ackQueue中。
*ResponseProcessor会接收datanode的 ack 消息。当客户端收到了所有的datanode的
*确认回执之后,ResponseProcessor会将这个包从ackQueue中移除掉
2.hadoop读过程
hadoop读过程就简单多了。客户端向hdfs发出读请求,namenode将这个文件的所有信息(文件包含的块,块对应的偏移量及所在datanode等信息)。客户端拿到这些信息后想读文件的哪部分就知道找到对应的块,然后向对应的datanode发读请求就行了