HDFS读写流程、YARN_MR提交运行流程

HDFS 写入流程：

• step1：客户端会请求NameNode写入HDFS，NameNode会验证请求是否合法，返回结果
  • NameNode验证写入的文件是否存在、有没有权限写入等等
  • 如果不合法，直接拒绝请求
• step2：NameNode返回对应的结果，构建这个文件的元数据：并没有跟块关联
• step3：客户端提交第一个块的写入请求给NameNode
• step4：NameNode根据每个DN的健康状态以及负载情况返回三台DataNode 地址
  • blk1-0：node1
  • blk1-1：node2
  • blk1-2：node3
  • 机架感知的分配规则
    • 客户端所在的机架放一份
    • 另外两份在另外一个机架中
• step5：客户端得到要写入数据块的三台DN地址，客户端会连接第一台【离它最近的那台】，提交写入
  • 由机架感知决定谁最近
• step6：三台DN构建一个数据传输的管道
• step7：客户端将这个块拆分成多个packet【64k】，挨个发送个最近的这台DN1
• step8：逐级返回写入成功的ack确认码，表示这个包写入完成
• step9：不断发送下一个包，直到整个块写入完成，返回给NameNode，关联元数据
• step10：重复3提交下一个块写入

HDFS 读取流程：

• step1：客户端提交读取请求给NameNode
• step2：NameNode会验证这个请求是否合法，如果合法，会查询元数据
• step3：NameNode会返回所有块的所有地址
  • blk1：node1,node2,node3
  • blk2：node4,node5,node6
  • blk3：node7,node8,node9
• step4：客户端拿到列表，会根据机架感知从每个块的列表中，选择离自己最近的节点去请求读取
  • blk1：node1
  • blk2：node5
  • blk3：node9
• step5：客户端会将所有块进行合并返回给用户

YARN_MR提交运行流程：

• step1：客户端提交运行一个MapReduce的程序给YARN，YARN会检查请求是否合法
• step2：如果合法，RM会随机选择一台NodeManager启动这个程序的管理者：AppMaster
  • AppMaster每一个程序都有一个
  • 负责这个程序的资源申请、Task的运行、Task的监控，运行的汇报
• step3：APPMaster会向ResourceManager申请指令和资源信息，获取如何运行这个程序的信息
• step4：ResourceManager根据Task的情况分配运行的节点以及资源的信息，以Container的形式返回
  • Contiainer：信息包，记录每个Task运行的节点、处理的数据、运行的逻辑、资源
    • 也是MapTask和ReduceTask的父进程
• step5：APPMaster将指令和container信息分发给对应的NodeManager，每个NodeManger根据指令和资源来启动对应的Task进程
• step6：MapTask运行结束后，会通知AppMaster，APPMaster会通知ReduceTask到MapTask中拉取数据
• step7：ReduceTask到每个MapTask中拉取数据，并执行处理，最后运行结束，将结果返回给APPMaster
• step8：最终结果返回给客户端