HDFS写入数据流程:
-
客户端Client创建一个DistributedFileSystem(分步式文件系统)向Name Node请求上传文件;
-
NameNode检查目录树是否可以创建文件(检查权限,是否允许上传;检查目录是否存在;检查文件是否存在),并响应给Client。
-
Client接收到可以用上传文件的响应后,向NameNode请求上传第一个Block;
-
NameNode返回3个DataNode节点,分别为DN1、DN2和DN3(第一个选择本地机架,第二个选择其他机架的某一节点,第三个选择其它机架的另一节点,此处体现出Hadoop的高可靠性,在底层维护默认为3个的副本,即使某个计算元素或存储出现故障,也不会导致数据丢失);
-
Client接收到三个DN的节点信息后,通过FSDataOutPutStream模块创建输入流,向节点距离最近的一个节点请求建立Block传输通道,并依次传递,直至与3个节点都发送建立通信通道请求,3个节点也会逐级应答客户端。
-
客户端开始向DN1上传第一个Block(先从磁盘读取数据,在本地内存缓存),以Pocket为单位传递,DN1收到一个Pocket会依次传递给DN2,DN2会传递给DN3,DN1每传入一个Pocket会放入一个应答队列等待应答;
-
当一个Pocket传输完成后,客户端再次请求NameNode上传第二个Block的服务器(重复执行)。
HDFS读取数据流程:
- 客户端Client通过过Distributed FileSystem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。
- 挑选一台DataNode(就近原则,然后随机)服务器,请求读取数据。
- 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)。
- 客户端以Packet为单位接收,先在本地缓存,然后写入目标文件。