目录
一、HDFS写数据流程
二、节点距离计算
三、副本节点选择
四、HDFS读数据流程
23天
面试重点
一、HDFS写数据流程流程图:(图片来源于尚硅谷)
流程图解析:
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DatatNode,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 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)。
二、节点距离计算节点距离:两个节点到达最近的共同祖先的距离总和。
读数据流程图:(来源于尚硅谷)
三、副本节点选择1、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。
2、第二个副本在另一个机架的随机一个节点
3、第三个副本在第二个副本所在机架的随机节点。
副本选择的缘由:节点距离最近,上传速度最快;保证数据的可靠性;
四、HDFS读数据流程
下图来源于尚硅谷
如果读取的数据量过多就会访问其他节点,让其他节点来读取数据
1、客户端通过DistributedFileSystem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(遵循就近原则,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。



