HDFS的读写流程(大数据面试高频一)

一、写数据流程

1. 首先客户端 Client 创建一个Distribute FileSystem 向NameNode请求上传文件
2. NameNode检查目录树是否可以创建文件(检查权限--是否允许上传，检查目录结构--是否存在)，返回是否可以上传，不能上传则会返回异常。
3. 确定可以上传后，客户端向Namenode请求上传第一个block上传到那几个datanode服务器上。
4. Namenode进行计算，选择副本存储节点，第一个选择的是本地节点，第二个选择的是其他机架的一个节点，第三个是其他机架的另一个节点(默认三个副本存储节点)。并把这三个节点返回个客户端(dn1,dn2,dn3)。
5. 客户端拿到三个节点后，创建一个流，向离得最近的一个节点(dn1)进行请求建立block传输通道，而最近的节点(dn1)会向另外的节点(dn2)进行请求建立通道，另外的节点(dn2)会向第三个节点请求传输通道(dn3)。
6. 三个节点接收到请求建立通道后，逐级进行应答客户端。
7. 客户端开始往dn1上传第一个block(先从磁盘读取数据放到本地内存缓存)，以packet为单位，dn1收到一个packet后就会传给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. 每一个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、读数据流程

0.首先调用FileSystem.open()方法，获取到DistributedFileSystem实例。

1. 客户端通过DistributedFileSystem向namenode发起请求获得文件的开始部分或全部block列表，NameNode通过查询元数据，找到文件所在DataNade地址，并返回给客户端。
2. 挑选一台DataNode(就近原则)服务器，请求读取数据。
3. DataNode开始传输数据给客户端(从磁盘里读取数据输入流，以packet为单位校验)。
4. 客户端以packet为单位接受，先在本地储存，然后写入目标文件。
5. 关闭资源。