HDFS 读取文件和存储文件
2016-04-20 20:04
218 查看
文件读取的过程如下:
1. 使用HDFS提供的客户端开发库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. 客户端开发库Client会选取离客户端最接近的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,关闭与当前的DataNode连接,并为读取下一个block寻找最佳的DataNode;
5. 当读完列表的block后,且文件读取还没有结束,客户端开发库会继续向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。
写入文件的过程比读取较为复杂:
使用HDFS提供的客户端开发库Client,向远程的Namenode发起RPC请求;
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;
当客户端开始写入文件的时候,开发库会将文件切分成多个packets,并在内部以数据队列”data queue”的形式管理这些packets,并向Namenode申请新的blocks,获取用来存储replicas的合适的datanodes列表,列表的大小根据在Namenode中对replication的设置而定。
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。
最后一个datanode成功存储之后会返回一个ack packet,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。
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。
相关文章推荐
- 安装ambari的时候遇到的ambari和hadoop问题集
- HDFS中的集中化缓存管理
- HDFS的工作流程分析
- HDFS副本放置策略
- HDFS client 实例
- HDFS命令行文件操作
- hadoop
- 基于HDFS的SparkStreaming案例实战和内幕源码解析
- hadoop平台搭建详解
- HDFS的工作原理扫扫盲
- HDFS的工作原理
- ERROR:格式化hdfs时出现connection-refused
- HDFS源码分析数据块复制选取复制源节点
- HDFS写文件过程分析
- Flume:本地文件到HDFS
- HDFS源码分析之UnderReplicatedBlocks(二)
- hdfs dfsadmin
- HDFS源码分析之UnderReplicatedBlocks(一)
- 笔记:HDFS读取和写入数据流
- [置顶] HDFS源码分析之LightWeightGSet