HDFS文件读写流程及数据完整性计算

HDFS数据写入流程

① client发起文件上传请求，通过RPC与NameNode建立通讯，NameNode检查目标文件是否已存在，父目录是否 存在，返回是否可以上传；
② client请求第一个block该传输到哪些DataNode服务器上；
③ NameNode根据配置文件中指定的备份数量及机架感知原理进行文件分配，返回可用的DataNode的地址如： A，B，C；
④ client请求3台DataNode中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用 B，然后B调用C，将整个pipeline建立完成，后逐级返回client；
⑤ client开始往A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（默认64K），A 收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答。
⑥数据被分割成一个个packet数据包在pipeline上依次传输，在pipeline反方向上，逐个发送ack（命令正确应 答），最终由pipeline中第一个DataNode节点A将pipelineack发送给client;
⑦关闭写入流。
⑧ 当一个block传输完成之后，client再次请求NameNode上传第二个block到服务器。

HDFS文件读取流程

① client发起文件上传请求，通过RPC与NameNode建立通讯，NameNode检查目标文件是否已存在，父目录是否
存在，返回是否可以上传；
② client请求第一个block该传输到哪些DataNode服务器上；
③ NameNode根据配置文件中指定的备份数量及机架感知原理进行文件分配，返回可用的DataNode的地址如：
A，B，C；
④ client请求3台DataNode中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用
B，然后B调用C，将整个pipeline建立完成，后逐级返回client；
⑤ client开始往A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（默认64K），A
收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答。
⑥ 数据被分割成一个个packet数据包在pipeline上依次传输，在pipeline反方向上，逐个发送ack（命令正确应
答），最终由pipeline中第一个DataNode节点A将pipelineack发送给client;
⑦关闭写入流。
⑧ 当一个block传输完成之后，client再次请求NameNode上传第二个block到服务器。

HDFS数据完整性计算

数据写入之后进行数据首次校验，文件系统周期性进行校验，防止数据丢失。
读取数据之前进行数据校验，若两个校验相同，那么表示数据没有丢失，开始读取数据。
若两个校验不相同，那么表示数据有部分丢失，换到其他节点（相同副本的节点）读取数据。
HDFS 适用场景 一次写入，多次读出的场景，支持文件追加，但不支持在文件中间修改。