【深入理解Hadoop之二】HDFS上传下载数据流程

 

一：上传流程：

1：客户端要上传数据需要调用FileSystem的create方法创建文件，

2：首先DistributeFileSystem会通过RPC远程调namenode创建一个没有任何块依赖的空文件，在这个过程中会检查该文件是否存在，该文件父目录是否存在如果可以上传namenode会向客户端返回一个FSDateOutputStream对象，否则向客户端抛出一个异常。

3：FSDateOutputStream对象封装了一个DFSOutputStream，DFSOutputStream将数据分块拆分成数据包，放入一个队列，这个队列由DataStreamer消费，DataStreamer向namenode请求分配存数据块datanode，分配的三台datanode会构建一个pipline去写数据

4：当数据成功写入pipline中最后一个节点时，会发送一个写入成功的确认信息。

5：同时FSDateOutputStream还会维护着一个ACK Queue,来接收从pipline发送回的确认信息。

6：当所有块都写入完毕后客户端调用close方法关闭数据流，之后会将所有块数据写入到pipline中，并且等待ACK Queue成功返回，之后通知namenode完成数据的写入。

 

二：下载流程：

1：客户端要下载数据需要调用FileSystem的open方法读取文件

2：DistributeFileSystem会通过RPC远程调用namenode查找首批数据块所在的datanode位置，namenode返回给客户端一组datanode位置信息。

3：DistributedFileSystem返回FSDataInputStream给客户端，用来读取数据，客户端选取最近的datanode建立连接，FSDataInputStream开始不断地调用read方法进行读数据。这个过程中如果需要的话DistributeFileSystem会去获取下一批block所在的datanode

4：当所有数据读取完毕后调用close方法关闭连接。