简单搞定hdfs读写流程

1.HDFS写数据流程

        1）客户端向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）

4.1.2 网络拓扑概念

                在本地网络中，两个节点被称为“彼此近邻”是什么意思？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。

        节点距离：两个节点到达最近的共同祖先的距离总和。

        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。

        Distance(/d1/r1/n1, /d1/r1/n1)=0（同一节点上的进程）

        Distance(/d1/r1/n1, /d1/r1/n2)=2（同一机架上的不同节点）

        Distance(/d1/r1/n1, /d1/r3/n2)=4（同一数据中心不同机架上的节点）

        Distance(/d1/r1/n1, /d2/r4/n2)=6（不同数据中心的节点）

2.机架感知（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。

3.HDFS读数据流程

4.写入数据时，如果希望数据被其他client立即可见，调用如下方法

FsDataOutputStream.hflus();        //清理客户端缓冲区数据，被其他client立即可见

FsDataOutputStream.hsync();              //清理客户端缓冲区数据，被其他client不能立即可见