HDFS读写过程

来源:http://www.goldns.net 作者:www.xpj68.com 人气:107 发布时间:2019-11-12
摘要:HDFS写入流程: image.png 1、 使用HDFS提供的客户端Client, 向远程的Namenode发起RPC请求 2、 Namenode会检查要创建的文件是否已经存在, 创建者是否有权限进行操作,成功则会为文件创建一个

HDFS写入流程:

image.png

1、 使用HDFS提供的客户端Client, 向远程的Namenode发起RPC请求

2、 Namenode会检查要创建的文件是否已经存在, 创建者是否有权限进行操作, 成功则会为文件创建一个记录, 否则会让客户端抛出异常;

3、 当客户端开始写入文件的时候, 客户端会将文件切分成多个packets, 并在内部以数据队列“data queue( 数据队列) ”的形式管理这些packets, 并向Namenode申请blocks, 获取用来存储replicas的合适的datanode列表, 列表的大小根据Namenode中replication的设定而定;

4、 开始以pipeline( 管道) 的形式将packet写入所有的replicas中。 开发库把packet以流的方式写入第一个datanode, 该datanode把该packet存储之后, 再将其传递给在此pipeline中的下一个datanode, 直到最后一个datanode, 这种写数据的方式呈流水线的形式。

5、 最后一个datanode成功存储之后会返回一个ack packet( 确认队列) , 在pipeline里传递至客户端, 在客户端的开发库内部维护着”ack queue”, 成功收到datanode返回的ack packet后会从”ack queue”移除相应的packet。

6、 如果传输过程中, 有某个datanode出现了故障, 那么当前的pipeline会被关闭, 出现故障的datanode会从当前的pipeline中移除, 剩余的block会继续剩下的datanode中继续以pipeline的形式传输, 同时Namenode会分配一个新的datanode, 保持replicas设定的数量。

7、 客户端完成数据的写入后, 会对数据流调用close()方法, 关闭数据流;

8、 只要写入了dfs.replication.min的复本数( 默认为1) , 写操作就会成功, 并且这个块可以在集群中异步复制, 直到达到其目标复本数( dfs. replication的默认值为3) , 因为namenode已经知道文件由哪些块组成, 所以它在返回成功前只需要等待数据块进行最小量的复制。


HDFS写过程:

image.png

1、 使用HDFS提供的客户端Client, 向远程的Namenode发起RPC请求;

2、 Namenode会视情况返回文件的部分或者全部block列表, 对于每个block, Namenode都会返回有该block拷贝的DataNode地址;

3、 客户端Client会选取离客户端最近的DataNode来读取block; 如果客户端本身就是DataNode, 那么将从本地直接获取数据;

4、 读取完当前block的数据后, 关闭当前的DataNode链接, 并为读取下一个block寻找最佳的DataNode;

5、 当读完列表block后, 且文件读取还没有结束, 客户端会继续向Namenode获取下一批的block列表;

6、 读取完一个block都会进行checksum验证, 如果读取datanode时出现错误, 客户端会通知Namenode,
然后再从下一个拥有该block拷贝的datanode继续读。

本文由澳门新葡亰娱乐场发布于www.xpj68.com,转载请注明出处:HDFS读写过程

关键词:

频道精选

最火资讯