hdfs的读写流程分析总结

HDFS采用的是master/slaves这种主从的结构模型管理数据，这种结构模型主要由四个部分组成，分别是Client(客户端)、Namenode(名称节点)、Datanode(数据节点)和SecondaryNameNode。HDFS作为hadoop的分布式储存框架，最重要的莫过于数据流的读写过程了，下面就HDFS得数据流的读写流程做个详细的剖析。

HDFS的写流程

首先写操作的代码操作：

hdfs dfs -put ./file02 /file02

hdfs  dfs -copyFromLocal  ./file02 /file02   FSDataOutputStream fsout = fs.create(path)；fsout.write(byte[])    fs.copyFromLocal(path1,path2)

具体流程详解：

如下图所示是整个写流程及原理（上传）

1.客户端向namenode发出请求上传数据；

2.namenode在接到请求之后，开始查找元数据（查找是否存在这个目录以及查询上传者是否有这个权限），查询后向客户端响应是否可以上传数据。

3.客户端接到响应之后，再开始请求上传第一块数据（数据分块是由客户端操作的），例如图中的0-128m为第一块数据。

4.namenode接到请求后，向客户端返回datanode节点信息（副本放在哪个节点上，例如放在DN1,DN2,DN3这三台机器上）。一般规则有近远远，近远近

5.客户端根据返回的副本信息向datanode请求建立传输通道，以级联的方式进行请求

6.datanode向客户端响应，若都应答成功，则传输通道建立成功。

7.开始传输数据，以packet方式传输，以chunk为单位进行校验，默认1m。

8.第一块上传成功，第二块开始从3-7步骤继续传输

9.待传输完成之后，客户端向namenode报告数据传输远程，由namenode更新元数据

在hdfs的写流程有几个核心问题：

1.传输blk1的过程中，dn3如果死了，集群会怎么处理？

不做任何处理，错误会想nn报告

2.接1，如果dn3又启动了，集群会如何处理？

dn3启动时，会向nn发送块报告，然后nn指示dn3删除blk1（因为传输数据不完整）

3.客户端建立通道时，发现dn3连接不上，会怎么办？

nn会重新分配三个节点

4.传输过程中，packet出错，会如何处理？

会重新上传，但是重传次数只有4次，超过限制则提示传输失败

5.如果bk1上传成功，blk2坏了，或者blk2上传时，dn1挂了，如何处理？

nn会将整个文件标记为无效，下次dn向nn发送块报告时，nn会通知这些块所在的节点删除

HDFS的读操作

首先读操作的代码（下载）

hdfs dfs -get /file02 ./file02    hdfs  dfs -copyToLocal  /file02 ./file02    FSDataInputStream fsis = fs.open(path);    fsis.read(byte[] a)    fs.copyToLocal(path1,path2)

具体流程详解

由图可知HDFS的读流程要比写流程简单很多，主要步骤：

1.客户端请求下载数据

2.nn检测数据是否存在，给客户端响应

3.客户端请求下载第一块数据

4.nn返回目标文件的元数据

5.客户端请求dn建立传输通道

6.dn响应

7.开始传输数据

注意点：

在读操作中在客户端和dn建立传输通道时不是采用级联方式，而是首先寻找离自己最近的副本（dn1）下载，如果数据不完整或者没有找到，就再向dn2建立传输通道，然后传输数据，依次往下，直到下载到目标文件为止。

hdfs的重要知识点，建议收藏哦