Hadoop培训教程：HDFS文件存取机制
Hadoop培训教程：HDFS文件存取机制，一个分布式文件系统最基本的功能就是读和写，本节将描述HDFS的文件存取机制。
1.HDFS读文件数据流
在读取HDFS的文件时，首先客户端调用FileSystem的open( )函数打开文件，DistributedFileSystem用RPC调用元数据节点，得到文件的数据块信息。对于每一个数据块，元数据节点返回保存数据块的数据节点的地址。DistributedFileSystem返回FSDataInputStream给客户端，用来读取数据。客户端调用stream的read()函数开始读取数据。DFSInputStream连接保存此文件第一个数据块的最近的数据节点。Data从数据节点读到客户端，当此数据块读取完毕时，DFSInputStream关闭和此数据节点的连接，然后连接此文件下一个数据块的最近的数据节点。当客户端读取完数据的时候，调用FSDataInputStream的close函数。客户端读取HDFS中的文件访问数据流的整个过程如图3-3所示。
图中的操作序号1、2、3、4、5表示执行顺序，读取文件的数据流步骤如下：
1)调用FileSystem的open()打开文件，见序号1：open。
2)DistributedFileSystem使用RPC调用NameNode，得到文件的数据块元数据信息，并返回FSDataInputStream给客户端，见序号2：get block locations。
3)HDFS客户端调用stream的read()函数开始读取数据，见序号3：read。
4)调用FSDataInputStream直接从DataNode获取文件数据块，见序号4、5：read。
5)读完文件时，调用FSDataInputStream的close函数，见序号6：close。
2.HDFS写文件数据流
HDFS的写文件数据操作，比读文件数据复杂一些。读文件数据的时候，只需要在多个数据块文件中选一个读就可以了，但是，写文件数据需要同时写到多个数据块文件中，这就相对比较复杂了。HDFS的写机制可以通过图3-4进行简单描述。
如图所描述，数据流从客户端开始，流经一系列的数据节点，到达最后一个DataNode。图3-4中的所有DataNode只需要写一次硬盘，DataNode1和DataNode2会从socket上接收到数据，将它直接写到下个节点的socket上。需要注意的是，如果当前DataNode处于数据流的中间，那么该数据包会被发送到下一个节点。接下来就是处理数据和校验，并分别将数据包写到数据块文件和数据块元数据文件中。如果出错，抛出的异常会导致receiveBlock关闭相关的输出流，并终止传输。同时，数据校验出错还会上报到NameNode上。
最后一个DataNode由于没有后续节点，PacketResponder的ackQueue每收到一项，表明对应的数据块已经处理完毕，那么就可以发送成功应答。如果该应答是最后一个包的，PacketResponder会关闭相关的输出流并提交。如果DataNode有后续节点，那么，它必须等到后续节点成功应答才可以发送应答。
上面描述了HDFS在写文件数据时的基本处理机制，从客户端开始，直到在HDFS上完成写一个文件的整体数据流程图如图3-5所示。
正如图所示，首先客户端调用create()来创建文件，然后DistributedFileSystem同样使用RPC调用NameNode元数据节点，在文件系统的命名空间中创建一个新的文件。NameNode首先确定文件原来不存在，以及客户端有创建文件的权限，然后创建新文件。
DistributedFileSystem返回DFSOutputStream，客户端用于写数据。客户端开始写入数据，DFSOutputStream将数据分成块，写入Data Queue。Data Queue由Data Streamer读取，并通知元数据节点分配数据节点，用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点，第二个数据节点将数据发送给第三个数据节点。DFSOutputStream为发出去的数据块保存了Ack Queue，等待pipeline中的数据节点告知数据已经写入成功。如果数据节点在写入的过程中失败，则关闭pipeline，同时将Ack Queue中的数据块放入Data Queue的开始位置。
-
标签错误:<!-- #Label#
labelId=20160707140604
moduleId=1
classId=12231768634
orderby=2
fields=url,title,u_info
attribute=
datatypeId=22192428132
recordCount=3
pageSize=
<htmlTemplate><dt><img src="/images/index_26${index}.jpg" width="100" height="62" /><a href="$url" title="${title}">${title}</a><span>${api.left(u_info,60)}</span></dt></htmlTemplate>
-->
- 我要参加技术沙龙
