HDFS理论基础

PS：角色对应的就是一个或者多个进程

HDFS合并EditLog与FsImage的过程：

1. HDFS启动前会进行格式化，生成一个空的FsImage，假设HDFS集群在8:00时进行第一次初始化启动
2. 8:00 - 9:00 期间，对HDFS的操作记录在EditLog中，NameNode内存中存储了相关的元数据，但是此时硬盘中的FsImage还是空的
3. 假设9点到达checkpoint，Secondary NameNode拉取NameNode中的FsImage(此时为空)，以及EditLog（记录了8:00 - 9:00的操作日志），NameNode同时会生成一个新的EditLog，记录9:00以后的操作日志
4. Secondary NameNode将拉取到的EditLog合并到FsImage中，合并完成之后，将其推送到NameNode
5. NameNode使用新的FsImage替换之前旧的FsImage，将NewEditLog（记录9:00的操作日志）替换之前的EditLog（记录的是8:00 - 9:00的操作日志）。

下图描述了在某一时间点，客户端往HDFS上传一个块的示意图：

1. 客户端与NameNode交互，告诉NameNode需要上传文件
2. NameNode触发副本放置策略，告诉客户端块的副本放到哪些节点，节点是有序的
3. 客户端与第一个节点创建TCP连接，并告诉这个节点，后面的节点是哪些
4. 第一个节点与第二个结点建立连接，并告诉第二个节点，后面的节点是哪些
5. 同理，这些副本放置节点会串联起来
6. 客户端将块分为多个小块，依次将小块传输给第一个节点
7. 客户端将第一个小块往第二个节点传输完成后，就开始向其传输第二个小块，与此同时，第一个节点就会向第二个节点传输第一个小块
8. 类推下去，与流水线类似，客户端只需要往第一个节点传输数据，就能完成将数据传输到多个节点的功能。且耗费的时间比客户端分别向多个节点传输花费的时间更少。这里，流水线传输就类似于一个变种的并行传输。

HDFS读流程：

参考链接：

清华大牛精讲Hadoop全套教程_从入门到精通（HDFS集群/MapReduce底层原理、源码~~）_哔哩哔哩_bilibili