HDFS 文件读取过程
hdfs文件读取过程和 上期讲的hdfs文件写入过程相反。
文件写入过程是找到可以存储文件block的DataNode服务器,以便进行文件block的存储。
文件读取过程是找到所需读取文件block所在的服务器DataNode,以便读取文件block。
具体的步骤可以描述如下:
- Client向NameNode发起RPC请求,来确定请求文件block所在的位置;
- NameNode会视情况返回文件的部分或者全部block列表,对于每个block
的NameNode 都会返回含有该 block 副本的 DataNode 地址;这些返回的 DN 地址,会按照集群拓扑结构得出 DataNode 与客户端的距离,然后进行排序(排序两个规则:网络拓扑结构中距离Client 近的排靠前;心跳机制中超时汇报的 DN 状态为 STALE ,这样的排靠后;) - Client 选取排序靠前的 DataNode 来读取 block ,如果客户端本身就是 DataNode, 那么将从本地直接获取数据 ( 短路读取特性 );
- 底层上本质是建立 Socket Stream ( FSDataInputStream ),重复的调用父类DataInputStream 的 read 方法,直到这个块上的数据读取完毕;
- 当读完列表的block 后,若文件读取还没有结束,客户端会继续向NameNode 获取下一批的 block 列表;
- 读取完一个block 都会进行 checksum 验证,如果读取 DataNode 时出现错误,客户端会通知 NameNode ,然后再从下一个拥有该 block 副本的 DataNode 继续读。
- read 方法是并行的读取block 信息,不是一块一块的读取;
**注意:**NameNode 只是返回Client请求包含块的 DataNode 地址,并不是返回请求块的数据; - 最终读取来所有的 block 会合并成一个完整的最终文件。
本文主要记录了HDFS文件读取的过程,如若发现错误请指正。一起学习一起记录一起进步!