HDFS的数据流

x33g5p2x  于2020-09-30 发布在 HDFS  
字(0.9k)|赞(0)|评价(0)|浏览(859)

1. HDFS写数据流

1.1. 剖析文件写入

  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)。

1.2. 网络拓扑概念

在海量数据处理中,其主要限制因素是节点之间数据的传输速率——带宽很稀缺。这里的想法是**将两个节点间的带宽作为距离的衡量标准。

  • 网络带宽是指在单位时间(一般指的是1秒钟)内能传输的数据量。

  • 节点距离:两个节点到达最近的共同祖先的距离总和。

1.3. 机架感知(副本节点选择)

Hadoop2.7.2 副本节点选择:

  • 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。
  • 第二个副本和第一个副本位于相同机架, 随机节点。
  • 第三个副本位于不同机架,随机节点。

2. 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。

相关文章