5.HDFS写文件刨析（从本地文件上传到HDFS上）

SuperBigData~

已于 2023-02-12 18:37:34 修改

阅读量1k

点赞数

分类专栏： # 6.HDFS 文章标签： hdfs hadoop 大数据

于 2019-10-05 23:01:59 首次发布

本文链接：https://blog.csdn.net/Jackson_mvp/article/details/102178207

版权

6.HDFS 专栏收录该内容

23 篇文章 0 订阅

订阅专栏

A:HDFS的写数据流程：

多画图有助于自己深刻的理解

1）客户端向namenode请求上传文件，namenode检查目标文件是否已存在，父目录是否存在。

2）namenode返回是否可以上传。

3）客户端请求第一个 block上传到哪几个datanode服务器上。（根据网络拓扑概念）

4）namenode返回3个datanode节点，分别为dn1、dn2、dn3。

5）客户端请求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(数据向水流似的，一次往dn1,dn2,dn3流入)

7）客户端开始往dn1上传第一个block（aa.txt）（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。（如果dn1应答成功，dn2,dn3肯定也应答成功了）

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。(每上传一个block块都要向namenode请求，会按照就近原则，然后会找一些相对来说资源少的机器来上传，可能不在是那三台机器的顺序了)（重复执行3-7步）

B:官方给的HDFS的写数据流程

客户端通过调用DistributedFileSystem的create方法创建新文件。
DistributedFileSystem通过RPC调用namenode去创建一个没有blocks关联的新文件，创建前， namenode会做各种校验，比如文件是否存在，客户端有无权限去创建等。如果校验通过， namenode就会记录下新文件，否则就会抛出IO异常。
前两步结束后，会返回FSDataOutputStream的对象，与读文件的时候相似， FSDataOutputStream被封装成DFSOutputStream。DFSOutputStream可以协调namenode和 datanode。客户端开始写数据到DFSOutputStream，DFSOutputStream会把数据切成一个个小的packet，然后排成队列data quene（数据队列）。
DataStreamer会去处理接受data quene，它先询问namenode这个新的block最适合存储的在哪几个datanode里（比如重复数是3，那么就找到3个最适合的 datanode），把他们排成一个pipeline。DataStreamer把packet按队列输出到管道的第一个datanode中，第一个 datanode又把packet输出到第二个datanode中，以此类推。
DFSOutputStream还有一个对列叫ack quene，也是由packet组成，等待datanode的收到响应，当pipeline（管道）中的所有datanode都表示已经收到的时候，这时ack quene（确认队列）才会把对应的packet包移除掉。
如果在写的过程中某个datanode发生错误，会采取以下几步：
1. pipeline被关闭掉；
2. 为了防止防止丢包ack quene里的packet会同步到data quene里；
3. 把产生错误的datanode上当前在写但未完成的block删掉；
4. block剩下的部分被写到剩下的两个正常的datanode中；
5. namenode找到另外的datanode去创建这个块的复制。当然，这些操作对客户端来说是无感知的。
客户端完成写数据后调用close方法关闭写入流。
DataStreamer把剩余得包都刷到pipeline里，然后等待ack信息，收到最后一个ack后，通知datanode把文件标视为已完成。注意：客户端执行write操作后，写完的block才是可见的(注:和下面的一致性所对应)，正在写的block对客户端是不可见的，只有调用sync方法，客户端才确保该文件的写操作已经全部完成，当客户端调用close方法时，会默认调用sync方法。是否需要手动调用取决你根据程序需要在数据健壮性和吞吐率之间的权衡

@Test
    public void putFileHdfs1() throws URISyntaxException, IOException, InterruptedException {

    Configuration conf = new Configuration();

    FileSystem fs = FileSystem.get(new URI("hdfs://bigdata111:9000"),conf,"root");

    FileInputStream fis=new FileInputStream(new File("D:\\input\\test\\student.txt"));

    Path path=new Path("/student.txt");

    FSDataOutputStream fos=fs.create(path);

    IOUtils.copyBytes(fis,fos,4*1024,false);

    System.out.println("上传成功");

    fs.close();


}