HDFS读写过程

HDFS的读写过程：

  读过程：

Client收到用户的读请求——client拿着path向namenode请求文件或者block的datanode列表——client从返回的datanode列表中选择一个离自己最近的datanode，并且向他请求数据——datanode接到请求返回block的数据

读过程：

  DFSInputStream对象中包含文件开始部分的数据块所在的DataNode地址，首先它会链接包含文件第一个块最近的DataNode。随后，在数据流中重复调用read函数，知道这个块全部读完位置，当最后一个块读取完毕时，DFSInputStream会关闭连接，并查找存储下一个数据块客户端最近的DataNode。客户端按照DFSInputSttream打开和DataNode连接返回的数据流的顺序读取该块，它会调用NameNode来检索下一组块所在的DataNode的位置信息。

  写过程：client接到用户的写请求——client接收到数据，分割成一个个block——client请求namenode，并说明写入的数据大小和备份数——namenode返回给client需要的datanode列表——client写入第一个datanode，以packet的形式写入，一个packet一般为64k；第一个datanode写入第二个datanode，依次类推；每写入一个datanode都会返回ack信息，第一个datanode返回所有的ack信息；当datanode持久化数据后向namenode汇报已经完成——client接收到ack，检查所有datanode都写入正常，发送请求给namenode要求关闭文件——namenode关闭文件。

  写过程：DFSOutputStream将文件分割成包，然后放入一个内部队列。DataStreamer会将这些小的文件包放入数据流中。

  副本写过程：假设副本系数为3，当本地临时文件累积到一个数据块的大小（累积量超过一个数据块的大小），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（4kb）接收数据，将每一部分写入本地仓库，并同时传输到该部分到列表中第二个Datanode节点，第二个Datanode也是这样所以，Datanode采取流水线复制，从前一个节点接收数据，并在同时转发给下一个节点。