一、写在前面
上一篇文章,我们聊了一下Hadoop中的NameNode里的edits log写机制。
主要分析了edits log写入磁盘和网络的时候,是如何通过分段加锁以及双缓冲的机制,大幅度提升了多线程并发写edits log的吞吐量,从而支持高并发的访问。
如果没看那篇文章的朋友,可以回看一下:《大规模集群下Hadoop NameNode如何承载高并发访问》。
这篇文章,我们来看看,Hadoop的HDFS分布式文件系统的文件上传的性能优化。
首先,我们还是通过一张图来回顾一下文件上传的大概的原理。
由上图所示,文件上传的原理,其实说出来也简单。
比如有个TB级的大文件,太大了,HDFS客户端会给拆成很多block,一个block就是128MB。
这个HDFS客户端你可以理解为是云盘系统、日志采集系统之类的东西。
比如有人上传一个1TB的大文件到网盘,或者是上传个1TB的大日志文件。
然后,HDFS客户端把一个一个的block上传到第一个DataNode
第一个DataNode会把这个block复制一份,做一个副本发送给第二个DataNode。
第二个DataNode发送一个block副本到第三个DataNode。
所以你会发现,一个block有3个副本,分布在三台机器上。任何一台机器宕机,数据是不会丢失的。
最后&#