剖析文件读取
open( )方法 ——> RPC ——> read( )方法【反复调用】 ——> close( )方法
- 客户端通过调用DistributedFileSystem类的FileSystem对象的open方法来打开希望读取的文件。(步骤1)
- DistributedFileSystem通过RPC远程过程调用namenode,从而获取到文件的起始块的位置。(get block locations)(步骤2)
对于每一个块,namenode会返回存有其副本的datanode的地址。
此外,datanode会根据距离client的距离来排序。
如果此client本身就是一个datanode,那么该客户端会从存有相应数据块副本的本地datanode读取数据。(也就是距离优先) - DistributedFileSystem类返回一个FSDataInputStream对象给客户端,以读取数据。
FSDataInputStream对象进而封装一个DFSInputStream对象,该对象管理datanode和namenode的I/O。
客户端对FSDataInputStream调用read( )方法。(步骤3) - DFSInputStream随即连接与客户端距离最近的第一个块所在的datanode,通过反复调用read( )方法,可以将数据传输到client。(步骤4)
- 到达块的末端时,DFSInputStream关闭与datanode的连接,然后寻找下一个块的最佳datanode。(步骤5)
- client从流中读取数据时,块是按照打开DFSDataInputStream与datanode新建连接的顺序读取的。client还会根据需要,询问namenode下一批datanode的位置。一旦client完成读取,对FSDataInputStream调用close( )方法。(步骤6)
注意:
在读取文件的时候,如果DFSInputStream在与datanode