Hadoop 2.0x：HDFS写入数据宏观和微观流程

HDFS写数据流程

宏观流程

---

图解

描述

• 写数据就是将客户端的数据上传到HDFS

流程

• 1、 客户端向HDFS发送写数据请求

  • hdfs dfs -put user.txt /data/

• 2、 filesystem通过rpc远程调用namenode的create方法

  • NN 会检查要创建的文件是否已经存在，创建者是否有权限进行操作。权限

    • 有：NN会针对这个文件创建一个空的Entry对象,并返回成功状态给DFS
    • 没有：直接抛出对应的异常，给予客户端错误提示信息

• 3、 DFS如果接收到成功状态，会创建一个对象 FSDataOutputStream的对象给客户端使用

• 4、客户端需要向NN询问第一个Block存放的位置

  • NN通过机架感知策略 (node1 node 2 node8)

• 5、需要将客户端和DN节点创建连接

  • 通过 pipeline(管道)

    • 客户端和node1创建连接 socket
    • node1和node2创建连接 socket
    • node2 和Node8创建连接 socket

• 6、 客户端将文件按照块block切分数据,但是按照packet发送数据

  • 默认一个packet大小为64K,Block128M为2048个packet

• 7、 客户端通过pipeline管道开始使用FSDataOutputStream对象将数据输出。把packet以流的方式写入第一个datanode，该datanode把该packet存储之后，再将其传递给在此pipeline中的下一个datanode，直到最后一个datanode，这种写数据的方式呈流水线的形式

  • 1、客户端首先将一个packet发送给node1,同时给予node1一个ack状态
  • 2、node1接受数据后会将数据继续传递给node2,同时给予node2一个ack状态
  • 3、node2接受数据后会将数据继续传递给node8,同时给予node8一个ack状态
  • 4、node8将这个packet接受完成后，会响应这个ack给node2为true
  • 5、 node2会响应给node1 ,同理node1响应给客户端

• 8、客户端接收到成功的状态,就认为某个packet发送成功了，直到当前块所有的packet都发送完成

• 9、如果客户端接收到最后一个pakcet的成功状态,说明当前block传输完成，管道就会被撤销

• 10、 客户端会将这个消息传递给NN，NN确认传输完成

  • 1、 NN会将block的信息记录到Entry,客户端会继续向NN询问第二个块的存储位置,依次类推
  • 2、block1 (node1 node2 node8)
  • 3、 block2 (node1 node8 node9)
  • 4、…
  • 5、blockn(node1 node7 node9)

• 11、、如果传输过程中，有某个datanode出现了故障，那么当前的pipeline会被关闭，出现故障的datanode会从当前的pipeline中移除，剩余的block会继续剩下的datanode中继续以pipeline的形式传输，同时Namenode会分配一个新的datanode，保持replicas设定的数量。

• 12、当所有的block传输完成后，NN在Entry中存储所有的File与Block与DN的映射关系关闭FsDataOutPutStream

微观流程

---

流程

• 1、首先客户端从自己的硬盘以流的方式读取数据文件到自己的缓存中

• 2、然后将缓存中的数据以chunk（512B）和checksum(4B)的方式放入到packet（64K）

  • 注意

    • 1、chunk:checksum=128:1
    • 2、checksum:在数据处理和数据通信领域中，用于校验目的的一组数据项的和
    • 3、Packet中的数据分为两类，一类是实际数据包，另一类是header包。
    • 4、一个Packet数据包的组成结构
      

• 3、当packet满的时候加入到 添加到 dataqueue

• 4、 datastreamer开始从dataqueue队列上取出一个packet，通过FSDataOPS发送到Pipleline

  • 在取出的时候，也会将packet加入到ackQueue,典型的生产者消费者模式

• 5、客户端发送一个Packet数据包以后开始接收ack，会有一个用来接收ack的ResponseProcessor进程，如果收到成功的ack

  • 1、如果某一个packet的ack为true,那么就从ackqueue删除掉这个packet
  • 2、如果某一个packet的ack为false,将ackqueue中所有的packet重新挂载到 发送队列,重新发送

• 6、最终DFS保存的数据格式为
  

  • 注意

    • 最后Packet Header 这些描述信息不要，只保留Packet Data
    • 最终所有 ChunkChecksum 写在一起，组成了 meta
    • 所有ChunkData 组成了 block

---

底线。。。