大数据Hadoop-HDFS

基本系统架构

HDFS架构包含三个部分：NameNode，DataNode，Client。
NameNode：NameNode用于存储、生成文件系统的元数据。运行一个实例。
DataNode：DataNode用于存储实际的数据，将自己管理的数据块上报给NameNode ，运行多个实例。
Client：支持业务访问HDFS，从NameNode ,DataNode获取数据返回给业务。多个实例，和业务一起运行。

HDFS数据写入流程

HDFS数据写入流程如下：
（1）业务应用调用HDFS Client提供的API，请求写入文件。
（2）HDFS Client联系NameNode，NameNode在元数据中创建文件节点。
（3）业务应用调用write API写入文件。
（4）HDFS Client收到业务数据后，从NameNode获取到数据块编号、位置信息后，联系DataNode，并将需要写入数据的DataNode建立起流水线。完成后，客户端再通过自有协议写入数据到DataNode1，再由DataNode1复制到DataNode2, DataNode3。
（5）写完的数据，将返回确认信息给HDFS Client。
（6）所有数据确认完成后，业务调用HDFS Client关闭文件。
（7）业务调用close, flush后HDFS Client联系NameNode，确认数据写完成，NameNode持久化元数据。

HDFS数据读取流程

HDFS数据读取流程如下：
（1）业务应用调用HDFS Client提供的API打开文件。
（2）HDFS Client联系NameNode，获取到文件信息（数据块、DataNode位置信息）。
（3）业务应用调用read API读取文件。
（4）HDFS Client根据从NameNode获取到的信息，联系DataNode，获取相应的数据块。(Client采用就近原则读取数据)。
（5）HDFS Client会与多个DataNode通讯获取数据块。
（6）数据读取完成后，业务调用close关闭连接。