Hadoop学习笔记-HDFS结构及原理

1.名词

　　NameNode、DataNode、机架、Client、File、Block、Package

2.组件间的关系：

　　2.1.机架通过交换机相连，HDFS假设：在同一个机架之间传输数据比机架间传输数据快。

　　2.2.NameNode、DataNode指实现不同功能的服务器。NN只用一台，DN需要若干台。

　　2.3.一个File在HDFS中按照Block存储，冗余，一般为3份（可配置）。一份位于NN机架上，另外两份位于相同但不同于NN的机架上。即，1T的数据，需要3T的物理存储空间，3T的网络流量。

　　2.4.NN，管理客户端读写请求，管理HDFS命名空间，管理数据块映射；DN，以Block为单位存储数据，Blcok大小为64M（可配置）

3.写：

　　举例说明，Client有一个100M的文件要写入HDFS系统，HDFS由6台服务器，一个交换机组成，其中一个服务器用作NN，5个服务器用作DN，名称为Host1、2、3、4、5，流程如下：

　　1.Clinet将File分为两个Block，Block1（64M）、Block2(36M)

　　2.Client通知NN，发出写文件请求

　　3.NN记录分配Block信息，并返回可用的DN

　　Block1: host2,host1,host3

　　Block2: host7,host8,host4

　　NN分配Block映射时，按照以下原则：

　　第一个副本位于同NN的机架上，第二个副本位于不同于第一个副本的机架上，第三个副本位于同于第二个副本的机架但不同的服务器上

　　4.Client将Block1按照64K为单位，分成1024个Package，向Host2发送第一个Package；

　　5.Host2向Host1发送第一个Package，Client向Host2发送第二个Package；

　　6.Host1向Host3发送第一个Package，Client向Host2发送第三个Package,Host2向Host1发送第二个Package；

　　7.如上过程，直到Block1发送完成。Block发送完成后，Host2、1、3向NN发送消息表明数据传输完成，Host2向Client发送消息表明数据传输完成

　　8.Client向NN发送消息表明Block1发送完成

　　9.如上过程，开始发送Block2

　　这个过程中，NN和DN通过心跳信息通信，心跳信息中包含传输的完成进度情况，DN是否活着。如果DN死了，将分配给DN的数据放到其他的DN上去。3个DN的选择原则可以看出，如果一个DN死了，不能读取数据时，可以从同机架上的DN读取数据；一个机架死了，可以从另外一个机架上读取数据。



（图片来源：http://www.cnblogs.com/laov/p/3434917.html）