大数据 Hadoop读写数据流程解析

概述

HDFS能正常工作，对外提供数据储存服务，与Hadoop体系中各种组件的协作配合是分不开的。其中组件有 NameNode， DataNode， Client等，下述部分描述了各种组件的作用，以及相关的关系和在文件系统中读取和写入数据的流程。

写入(上传)数据流程

下图是向HDFS文件系统中写入(上传)数据时的流程图。各数据处理步骤说明见一下分析。

1. 客户端通过Distributed FileSystem模块向NameNode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. 客户端请求第一个 Block上传到哪几个DataNode服务器上
4. NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。表示采用这3个节点储存数据。
5. 客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成
6. dn1、dn2、dn3逐级应答客户端
7. 客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet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. 当一个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)

读取(下载)数据流程

下图是从HDFS文件系统中读取(下载)数据时的流程图。各数据处理步骤说明见一下分析。

1. 客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
2. NameNode 返回目标文件的元数据
3. 挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
4. DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）
5. 客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。