Hadoop_08_客户端向HDFS读写（上传）数据流程

1.HDFS的工作机制：

1. HDFS集群分为两大角色：NameNode、DataNode (Secondary Namenode)
2. NameNode负责管理整个文件系统的元数据
3. DataNode 负责管理用户的文件数据块（只管接收保存，不负责切片）
4. 文件会按照固定的大小（blocksize）128M切成若干块后分布式存储在若干台datanode上
5. 每一个文件块可以有多个副本，并存放在不同的datanode上
6. Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量
7. HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行

2.HDFS的写数据流程：

2.1.概述

　　客户端要向HDFS写数据，首先跟Namenode通信以确认可以写文件并获得接收文件block的datanode(切块在客户端进行)，

然后客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block副本

　　默认情况下每个block都有三个副本，HDFS 数据存储单元（block）

2.2.详细步骤流程图：

步骤详细说明

　　1. 跟namenode通信请求上传文件，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. client请求第一个 block该传输到哪些datanode服务器上

　　4. namenode返回3个datanode服务器ABC

　　5. client请求3台dn中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，

将真个pipeline建立完成，逐级返回客户端

　　6. client开始往A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，A收到一个packet就会传

给B，B传给C；A每传一个packet会放入一个应答队列等待应答

　　7.当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。

3.HDFS的读数据流程：

　　客户端将要读取的文件路径发送给Namenode，Namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，

客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件

　　读数据流程图：

　　　　

4.3.3 详细步骤解析

　　1、跟namenode通信查询元数据，找到文件块所在的datanode服务器

　　2、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流

　　3、datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）

　　4、客户端以packet为单位接收，现在本地缓存，然后写入目标文件

可参考文章：https://blog.csdn.net/sinat_17161487/article/details/42994021