HDFS 的数据流

HDFS 的数据流

HDFS 写数据流程

写流程图

（1）客户端通过Distributed FileSystem模块向NN请求上传文件，NN检查目标文件是否已存在，父目录是否存在；

（2）NN返回是否可以上传。

（3）客户端请求第一个 Block上传到哪几个DN服务器上。

（4）NN返回3个DN节点，分别为dn1、dn2、dn3。

（5）客户端通过FSDataOutputStream模块请求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）。

节点距离计算

HDFS写数据的过程中，NN会选择距离待上传数据最近距离的DN接收数据。那么这个最近距离怎么计算呢？

节点距离：两个节点达到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。

机架感知（副本存储节点选择）

1. 第一个副本在Client所处的节点上。如果客户端在集群外，会随机选择一个。
2. 第二个副本和第一个副本位于相同机架上的随机节点上。
3. 第三个副本位于不同机架的随机节点上。

HDFS 读数据流程

1. 客户端通过Distributed FileSystem 向 NN 请求下载文件，NN 通过查询元数据，找到文件块所在的 DN 地址。
2. 挑选一台 DN （就近原则，然后随机）服务器，请求读取数据。
3. DN 开始传输数据给客户端（从磁盘里面读取数据输入流，以 Packet 为单位来做校验）。
4. 客户端以 Packet 为单位接收，现在本地缓存，然后写入目标文件。