Hadoop之HDFS读写数据流程

---

目录

1. HDFS写数据流程
2. HDFS读数据流程
3. 网络拓扑概念
4. 机架感知

---

1. HDFS写数据流程

HDFS写数据流程，如下图

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）。

---

2. HDFS读数据流程

HDFS的读数据流程，如下图

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。

---

3. 网络拓扑概念

1. 在海量数据处理中，其主要限制因素是节点之间数据的传输速率——带宽很稀缺。这里的想法是将两个节点间的带宽作为距离的衡量标准。
   节点距离：两个节点到达最近的共同祖先的距离总和。

---

4. 机架感知

1. 低版本Hadoop副本节点选择，如图下所示
   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。
   
2. 高版本Hadoop副本节点选择，如图下所示
   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相同机架，随机节点。
   第三个副本位于不同机架，随机节点。