MapReduce(十五): 从HDFS阅读本文的源代码分析

以Map任务读取文本数据为例：

1)   LineRecordReader负责对文件切割的定位，以及对读取每一行内容的封装供用户Map任务使用。每次在定位在文件里不为0的位置时，多读取一行，由于前一个处理该位置之前的数据时，会完整把该一行已经读取并处理。

 

2)   LineReader负责对所要訪问文件输入流的数据进行每一行读取，仅仅实现对每一行读取的逻辑。

3)   DFSDataInputStream封装了DFSInputStream的实现，直接调用DFSInputStream接口完毕。

4)   DFSInputStream，负责对所訪问文件block的管理，提供定位block位置和提供block数据流读取的接口。

定位到所读取的位置在哪个block中后，打开与该block的socket连接，然后从封装socket的RemoteBlockReader中读取数据：

    依据定位到的block在哪个主机，打开与该主机的socket连接：

获取block信息后，開始获取数据流：

5)   RemoteBlockReader,对打开socket获取DataNode输入流DataInputStream进行封装，開始读取文件数据，文件数据是DataNode依照每一个chunk封装一次传输给client，client给每一个chunk检查数据完整性。

提供给上层读取socket中数据流接口：

開始从一个个chunk中读取数据：

 

每一个chunk的读取：

6)   Block传输读协议

先是client打开连接后，向DataNode输入block的信息：

然后DataNode依照一个个chunk向DFSClient发送数据流供读，chunk的数据格式，依照数据读取先后顺序罗列：