Hadoop HDFS 数据流

HDFS 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bloc(k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)。

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。

参考

HDFS详解（2）——HDFS中的读写数据流