HDFS读写流程

HDFS写数据流程

数据写入流程

• 客户端向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。

• namenode返回是否可以上传。

• 客户端请求第一个 block上传到哪几个datanode服务器上。

• namenode返回3个datanode节点，分别为dn1、dn2、dn3。

• 客户端请求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。

• dn1、dn2、dn3逐级应答客户端。

• 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。

• 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）

机架感知（副本节点选择）---- 数据备份：

低版本hadoop副本节点选择

第一个副本在client所处的节点上。如果客户端在集群外，随机选一个。

第二个副本和第一个副本位于不相同机架的随机节点上。

第三个副本和第二个副本位于相同机架，节点随机。

Hadoop 2.8.5副本节点选择

第一个副本client所处的节点上。如果客户端在集群外，随机选一个。

第二个副本和第一个副本位于相同机架，随机节点。

第三个副本位于不同机架，随机节点。

优势：不同计价之间连接需要耗时间，但是同一机架上的连接不需要耗时间，通过这样设置副本节点使得第一个副本节点和第二个副本节点之间的距离更近，传输更快

HDFS读数据流程

• 客户端向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。

• 挑选一台datanode（就近原则，然后随机）服务器，请求读取数据。

• datanode开始传输数据给客户端（从磁盘里面读取数据放入流，以packet为单位来做校验）。

• 客户端以packet为单位接收，先在本地缓存，然后写入目标文件。