hdfs读写文件过程

文件参考：https://www.cnblogs.com/tgzhu/p/5788634.html

以写入100M文件为例：

1. Client将FileA按64M分块。分成两块，block1和Block2;
2. Client向nameNode发送写数据请求，如图蓝色虚线①------>
3. NameNode节点，记录block信息。并返回可用的DataNode (NameNode按什么规则返回DataNode? 参见第三单 hadoop机架感知），如粉色虚线②--------->
   • Block1: host2,host1,host3
   • Block2: host7,host8,host4
4. client向DataNode发送block1；发送过程是以流式写入，流式写入过程如下：
   1. 将64M的block1按64k的packet划分
   2. 然后将第一个packet发送给host2
   3. host2接收完后，将第一个packet发送给host1，同时client想host2发送第二个packet
   4. host1接收完第一个packet后，发送给host3，同时接收host2发来的第二个packet
   5. 以此类推，如图红线实线所示，直到将block1发送完毕
   6. host2,host1,host3向NameNode，host2向Client发送通知，说“消息发送完了”。如图粉红颜色实线所示
   7. client收到host2发来的消息后，向namenode发送消息，说我写完了。这样就真完成了。如图黄色粗实线
   8. 发送完block1后，再向host7，host8，host4发送block2，如图蓝色实线所示

•  说明：

1. 1. 当客户端向 HDFS 文件写入数据的时候，一开始是写到本地临时文件中。假设该文件的副 本系数设置为 3 ，当本地临时文件累积到一个数据块的大小时，客户端会从 Namenode 获取一个 Datanode 列表用于存放副本。然后客户端开始向第一个 Datanode 传输数据，第一个 Datanode 一小部分一小部分 (4 KB) 地接收数据，将每一部分写入本地仓库，并同时传输该部分到列表中 第二个 Datanode 节点。第二个 Datanode 也是这样，一小部分一小部分地接收数据，写入本地 仓库，并同时传给第三个 Datanode 。最后，第三个 Datanode 接收数据并存储在本地。因此， Datanode 能流水线式地从前一个节点接收数据，并在同时转发给下一个节点，数据以流水线的 方式从前一个 Datanode 复制到下一个
   2. 时序图如下：

•  小结：

1. 1. 写入的过程，按hdsf默认设置，1T文件，我们需要3T的存储，3T的网络流量
   2. 在执行读或写的过程中，NameNode和DataNode通过HeartBeat进行保存通信，确定DataNode活着。如果发现DataNode死掉了，就将死掉的DataNode上的数据，放到其他节点去。读取时，要读其他节点去
   3. 挂掉一个节点，没关系，还有其他节点可以备份；甚至，挂掉某一个机架，也没关系；其他机架上，也有备份

hdfs读文件： 

---

•  读到文件示意图如下：
• 
• 客户端通过调用FileSystem对象的open()方法来打开希望读取的文件，对于HDFS来说，这个对象时分布文件系统的一个实例；
• DistributedFileSystem通过使用RPC来调用NameNode以确定文件起始块的位置，同一Block按照重复数会返回多个位置，这些位置按照Hadoop集群拓扑结构排序，距离客户端近的排在前面 (详见第三章）
• 前两步会返回一个FSDataInputStream对象，该对象会被封装成DFSInputStream对象，DFSInputStream可以方便的管理datanode和namenode数据流，客户端对这个输入流调用read()方法
• 存储着文件起始块的DataNode地址的DFSInputStream随即连接距离最近的DataNode，通过对数据流反复调用read()方法，将数据从DataNode传输到客户端
• 到达块的末端时，DFSInputStream会关闭与该DataNode的连接，然后寻找下一个块的最佳DataNode，这些操作对客户端来说是透明的，客户端的角度看来只是读一个持续不断的流
• 一旦客户端完成读取，就对FSDataInputStream调用close()方法关闭文件读取

通俗说就是，客户端发送请求到namenode，并传去想要读取的文件，namenode确定文件在datanode的起始块位置，并返回给客户端，客户端通过对数据流反复调用read方法，将数据从datanode传输到客户端，当到达块末端时，会关闭与该datanode的连接，然后寻找下一个快的最佳Datanode,做同样的操作，一旦客户端完成读取，就调用close()犯法关闭文件读取。