Hadoop（十一）HDFS 读写数据流程

HDFS读写数据流程

一、写数据流程

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（重复执行3-7步）

二、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：两个节点到达最近的共同祖先的距离总和

三、副本存储节点选择

• 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；第二个副本在另一个机架的随机一个节点；第三个副本在第二个副本所在机架的随机节点
  

四、读数据流程

1、客户端通过DistributedFileSystem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