HDFS读写数据流程(图形化通俗易懂)

HDFS 读写数据流程

• • 组件模块说明
  • HDFS的写数据流程
  • HDFS的读数据流程
  • • 最近距离计算（就近原则）

组件模块说明

DistributedFileSystem：代码位于hadoop-hdfs-project\hadoop-hdfs-client\src\main\java\org\apache\hadoop\hdfs\DistributedFileSystem.java（hadoop3.2.1）

FSDataOutputStream：代码位于hadoop-common-project\hadoop-common\src\main\java\org\apache\hadoop\fs\FSDataOutputStream.java

NameNode：存储文件的元数据。作用：管理HDFS的名称空间；配置副本策略；管理数据块（Block）映射信息；处理客户端读写请求

DataNode：在本地文件系统存储文件块数据，以及块数据的校验和。作用：存储实际的数据块；执行数据块的读/写操作。

Block：HDFS中的文件在物理上是分块存储 （Block） ， 块的大小可以通过配置参数( dfs.blocksize）来规定，默认大小在Hadoop2.x/3.x版本中是128M

HDFS的写数据流程

在这里插入图片描述

1. 客户端通过 DistributedFileSystem 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(包含0-128M的数据) ，询问NameNode可以上传到哪几个 DataNode 服务器上。
4. NameNode 响应客户端请求，返回 3 个 DataNode 节点， 分别为 dn1、 dn2、 dn3。表现这些节点是可以存储。
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。这里要注意，是向其中一个节点写数据，然后由此节点把数据转发到其他节点。
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）。

HDFS的读数据流程

在这里插入图片描述

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）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。

最近距离计算（就近原则）

节点距离：两个节点到达最近的共同祖先的距离总和。

在这里插入图片描述

例如，假设有数据中心 d1 机架 r1 中的节点 n1。 该节点可以表示为/d1/r1/n1。 利用这种标记，这里给出四种距离描述。