HDFS读写数据的原理 缺乏、安全感 2022-06-03 10:59 363阅读 0赞 * 目录 * 1 概述 * 2 HDFS写数据流程 * 3 HDFS读数据流程 # 目录 # 最近由于要准备面试,就把之前学过的东西好好整理下,权当是复习。 下面说下HDFS读写数据的原理。 ## **1 概述** ## 1. HDFS集群分为两大角色:NameNode、DataNode 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 4. 文件会按照固定的大小(blocksize)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写数据流程** ## **2.1 概述** 客户端要向HDFS写数据,首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode,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的副本 **2.2 详细步骤图** ![这里写图片描述][SouthEast] **2.3 详细步骤解析** 1、根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读数据流程** ## **3.1 概述** 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 **3.2 详细步骤图** ![这里写图片描述][SouthEast 1] **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,先在本地缓存,然后写入目标文件 [SouthEast]: /images/20220603/56bd6a9cec2d42af8dcc0fa9c394ba49.png [SouthEast 1]: /images/20220603/f28e2321124d4729af6ec94037a45b5a.png
还没有评论,来说两句吧...