HDFS上传、下载流程

HDFS上传

上传过程参考此图

在这里插入图片描述

  首先，有一个200M文件要上传，那么Client首先要读取这个文件，Distributed FileSystem就是整个集群的抽象封装。Client向NameNode发起一个上传请求，NameNode审查请求是否合法（比如相同路径下已经有了文件，有没有上传权限等），之后回复响应可否上传。此时文件就被切了块，分成了128M+72M，如下图。

在这里插入图片描述

  之后，往HDFS上传，要开一个输出流，FSDataOutoutStream，开了输出流之后，Client就请求上传第一块Block，即0-128M的文件。NameNode此时返回一个Node的list。如下：

在这里插入图片描述

  你在文件里设置要存储到几个DataNode（比如3个），就会返回给你几个DataNode。其中第一个DN1是离Client最近的一个，后两个是根据DN1选出来的，（此处的最近策略，参考拓扑距离和机架感知）。之后Client就会向第一个DN1发起建立文件传输的请求，DN1顺次向DN2建立请求，DN2顺次向DN3建立请求。最后的DN3收到请求之后，依次向DN2发起应答，DN2向DN1发起应答，DN1向Client发起应答。当Client收到应答的时候就代表这个文件传输通道建立成功了。如下图：

在这里插入图片描述

  Client此时开始向DN1传输Packet （64KB一个），DN1的内存buffer收到，一边往硬盘上去写，一边往DN2去传输。DN2同理，直到DN3写完把数据存到本地。
注意： 发送packet并不是等第一个packet发送完了才去传输第二个，而是顺序发送（感觉有点像计算机网络里面的流水线传输）最后直到第一块clock所有的数据（128M）传输完毕，接着开始传输下一块block（72M）。如下图：

在这里插入图片描述

第二次选择的DataNode是DN4，DN5，DN6，就证明两次的DN选择是完全独立的过程。
HDFS的数据存储的最小单位是块block，同一个文件如果分成了不同的块，那么不同的块有可能被存储在不同的DN上。

两种失败的情况
（1）建立传输通道的过程失败了。那么整个数据传输失败。
（2）传输packet的过程失败了。如果是C向DN1传输失败，那么文件传输失败。如果是DN1或者DN2向后面的DN传输数据失败了，那么上传是仍然可以顺利进行的，而且会返回给你成功信号，因为数据已经存储在了第一个DN1上。（设置的存储的DN数量是3，实际上只有DN1有，则会触发自动备份机制。）

HDFS下载

和上传的过程差不多，也实现建立一个DistributedFileSystem的封装，之后开一个输入流FSDataInputStream。C向NN发起请求，NN返回三个节点信息。C此时向第一个DN发起数据传输请求，请求若成功，则传输数据。如下图：

在这里插入图片描述

此时若DN1请求失败，则C向DN2请求，DN2失败就向DN3建立请求，直到请求成功。如果三个DN均失败，那么此次下载过程就失败了。