大数据之HDFS的读写流程

1、HDFS的写数据流程

 具体：1）、客户端通过 Distributed FileSystem 模块向 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。

4）、NameNode 返回 3 个 DataNode 节点，分别为 dn1、dn2、dn3。

5）、客户端通过 FSDataOutputStream 模块请求 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。

7）、客户端开始往 dn1 上传第一个 Block（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。

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。（重复执行 3-7 步）。

注：HDFS的写入是一个一个通道对DataNode进行写入的。在 HDFS 写数据时，NameNode 会选择距离待上传数据最近距离的 DataNode接收数据。而节点的距离是两个节点到达最近的共同祖先的距离总和。

查看 HDFS 文件存储路径（具体的文件存储本机位置）

[atguigu@hadoop102 subdir0]$ pwd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1436128598- 192.168.10.102-1610603650062/current/finalized/subdir0/subdir0

2、HDFS读数据流程

 1）客户端通过 DistributedFileSystem 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。

2）挑选一台 DataNode（就近原则，然后随机）服务器，请求读取数据。

3）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）。

4）客户端以 Packet 为单位接收，先在本地缓存，然后写入目标文件

注：HDFS的读数据是串联进行的，先读取一个块数据，然后将读取的另一个数据块追加到先前读取的块上。