Hadoop原理-HDFS写流程源码

Hadoop原理第一篇

整体流程图

左 HDFS客户端

右 NameNode

HDFS契约

HDFS写流程

1 创建INodeFile流程（数据封装成内存目录树）
2 添加文件契约流程
	调用namenode rpc代理
	底层是红黑树，实现按照契约时间排序
3 DataStreamer启动流程（重要！写数据关键服务）
	等待DataQueue有数据后执行
	备注：
		一个目录包含多个文件，一个文件包含多个block（默认128mb），
		一个block包含多个package（64k），一个package包含127个chunk
4 启动文件续约流程
	datanode调用namenode rpc代理续约
		数据结构内删除契约，修改上一次心跳时间，新契约加入数据结构
5 契约扫描机制
	NameNode monitor线程周期性每2秒遍历所有契约，数据结构前面提过是排序的，
	直接可拿出最老的契约时间遍历，当最老时间不过期直接break，提高效率
6 chunk封装成packet写入dataQueue
	触发写dataQueue条件：写满127个chunk或写满128mb block
7 Block申请流程
	namenode创建block，文件目录树记录block信息，磁盘记录元信息，BlockManager记录block元数据信息
8 pipeline数据管道流程建立
	为什么需要数据管道传输（副本之间依次传输），而不是client直接同时传输数据到3个副本？
	1 因为一般副本之间在同一机房/物理距离近，内网快/网络性能好
	2 减轻client压力，只需要传输其中一个副本
	备注：数据管道不是串行写，也就是不是第一个副本完全写完后再传递第二个副本。而是同时副本之间传递写
9 管道建立容错处理
	建立不成功则放弃block，记录排除问题节点，重新选取block重试
10 ResponseProcessor组件初始化流程
11 BlockReceiver和PacketResponser初始化
12 写数据层上报处理结果
	管道传输，副本上报返回处理结果
13 写数据容错分析
	dataQueue会将数据放入ackQueue中，做数据容错
	如果datanode收到上报结果已成功，才会删除ackQueue中数据
	如果上报结果有异常，则会把ackQueue数据放入dataQueue重新数据处理，并删除ackQueue

一些问题总结