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DFSInputStreamDFSOutputStream对象。

HDFS写数据流程
应答流程

在这里插入图片描述
(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

在这里插入图片描述
(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

在这里插入图片描述
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

在这里插入图片描述
(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。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值