HDFS工作机制

HDFS工作机制

HDFS的数据流

在介绍HDFS的数据读写过程之前，需要了解一下相关的类。FileSystem是一个同文件系统的抽象基类，所有可能使用Hadoop文件系统的代码都要使用到这个类。
Hadoop为FileSystem这个抽象类提供了多种具体的实现，DistributedFileSystem就是FileSystem在HDFS文件系统中的实现。
FileSystem的open()方法返回一个输入流FSDataInputStream对象，create()返回一个输出流FSDataOutputStream对象。
所以对应的，HDFS文件系统中的输入流和输出流分别为DFSInputStream和DFSOutputStream对象。

HDFS写数据流程

应答流程

（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）客户端询问第一个 block上传到哪几个datanode服务器上。
（4）namenode返回若干个datanode节点，表示采用这些节点存储数据。这里假设副本数为3，节点分别为dn1、dn2、dn3。如何选择节点在下面介绍。
（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。
（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）

操作流程

（1）客户端通过调用DistributedFileSystem的create方法创建新文件。
（2）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。
（3）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。客户端调用write方法写数据到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）。
（4）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。
（5）DFSOutputStream还有一个队列叫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。重复（3）~（5）步，直到数据写完。
（6）客户端完成写数据后调用close方法关闭写入流。

• 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。

ps：
写入数据时，如果希望数据被其他client立即可见，调用如下方法

FSDataOutputStream. hflush ();		//清理客户端缓冲区数据，被其他client立即可见

HDFS读数据流程

应答流程

1）客户端向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放入流，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。

操作流程

（1） 首先调用FileSystem对象的open方法，实际上创建了一个DistributedFileSystem的实例，DFSInputStream流对象。
（2） DistributedFileSystem通过rpc获得文件的第一批block的locations，同一个block按照重复数会返回多个locations，这些locations按照hadoop拓扑结构排序，距离客户端近的排在前面。
（3） 前两步会返回一个FSDataInputStream对象，该对象会被封装DFSInputStream对象，DFSInputStream可以方便的管理datanode和namenode数据流。客户端调用read方法，DFSInputStream最会找出离客户端最近的datanode 并连接。
（4）数据从datanode源源不断的流向客户端。
（5） 如果第一块的数据读完了，就会关闭指向第一块的datanode连接，接着读取下一块。这些操作对客户端来说是透明的，客户端的角度看来只是读一个持续不断的流。
（6） 如果第一批block都读完了， DFSInputStream就会去namenode拿下一批block的locations，然后继续读，如果所有的块都读完，这时就会关闭掉所有的流。
（7） 如果在读数据的时候， DFSInputStream和datanode的通讯发生异常，就会尝试正在读的block的排序第二近的datanode,并且会记录哪个 datanode发生错误，剩余的blocks读的时候就会直接跳过该datanode。 DFSInputStream也会检查block数据校验和，如果发现一个坏的block,就会先报告到namenode节点，然后 DFSInputStream在其他的datanode上读该block的镜像。
（8）该设计就是客户端直接连接datanode来检索数据并且namenode来负责为每一个block提供最优的datanode， namenode仅仅处理block location的请求，这些信息都加载在namenode的内存中，hdfs通过datanode集群可以承受大量客户端的并发访问。

HDFS网络拓扑

概念

在本地网络中，两个节点被称为“彼此近邻”是什么意思？在海量数据处理中，其主要限制因素是节点之间数据的传输速率——带宽很稀缺。这里的想法是将两个节点间的带宽作为距离的衡量标准。
节点距离：两个节点到达最近的共同祖先的距离总和。
例如，假设有数据中心d1机架r1中的节点n1。该节点可以表示为/d1/r1/n1。利用这种标记，这里给出四种距离描述。
Distance(/d1/r1/n1, /d1/r1/n1)=0（同一节点上的进程）
Distance(/d1/r1/n1, /d1/r1/n2)=2（同一机架上的不同节点）
Distance(/d1/r1/n1, /d1/r3/n2)=4（同一数据中心不同机架上的节点）
Distance(/d1/r1/n1, /d2/r4/n2)=6（不同数据中心的节点）

机架感知（副本节点选择）

1. 低版本Hadoop副本节点选择
   第一个副本在client所处的节点上。如果客户端在集群外，随机选一个。
   第二个副本和第一个副本位于不相同机架的随机节点上。
   第三个副本和第二个副本位于相同机架，节点随机。

2. 高副本节点选择
   第一个副本在client所处的节点上。如果客户端在集群外，随机选一个。
   第二个副本和第一个副本位于相同机架，随机节点。
   第三个副本位于不同机架，随机节点。