HDFS读写数据&NameNode和SecondaryNameNode&DataNode

数据读写相关的类
FileSystem是一个通用文件系统的抽象基类，可以被分布式文件系统继承，所有可能使用Hadoop文件系统的代码都要使用到这个类.
DistributedFileSystem就是FileSystem在HDFS文件系统中的实现。
FileSystem的open()方法返回的是一个输入流FSDataInputStream对象，在HDFS文件系统中具体的输入流就是DFSInputStream;
FileSystem中的create()方法返回的是一个输出流FSDataOutputStream对象，在HDFS文件系统中具体的输出流就是DFSOutputStream.

HDFS写数据流程

1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在
2）NameNode返回是否可以上传
3）客户端请求第一个 Block上传到哪几个DataNode服务器上
4）NameNode返回3个DataNode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）
HDFS读数据流程

1）客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址
2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据
3）DataNode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，先在本地缓存，然后写入目标文件

网络拓扑-节点距离计算
在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据.
节点距离：两个节点到达最近的共同祖先的距离总和

机架感知（副本存储节点选择）
副本存储策略：就近原则
三个副本
第一个副本：如果执行请求的服务器在集群内，当前服务器作为第一个副本存储的datanode
第二个副本：以第一个为参照，存储在同一机架的随机节点
第三个副本：存储在不同机架的随机节点

NameNode和SecondaryNameNode
NN和2NN工作机制

1 . 第一阶段：NameNode启动
（1）第一次启动NameNode格式化后，创建Fsimage和Edits文件；如果不是第一次启动，直接加载编辑日志和镜像文件到内存
（2）客户端对元数据