【Hadoop学习之HDFS】_10HDFS的数据流

一、HDFS写数据流程

1. 文件写入流程

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；
9. 重复执行3-7步。

2. 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
• 节点距离的计算方式：两个节点到达最近的共同祖先的距离总和

3. 机架感知（副本存储节点选择）

二、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