HDFS数据读取的步骤

最新推荐文章于 2024-06-12 09:14:00 发布

舰圣

最新推荐文章于 2024-06-12 09:14:00 发布

阅读量2k

点赞数

文章标签： hdfs

本文链接：https://blog.csdn.net/weixin_44915822/article/details/109032681

版权

在这里插入图片描述

客户端通过调用FileSystem对象的open()来读取希望打开的文件。
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，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；
并行读取，若失败重新读取
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；
返回后续block列表
最终关闭读流，并将读取来所有的 block 会合并成一个完整的最终文件。