（一）HDFS的读流程
读操作对于Client客户端来说是透明操作，感觉就是连续的数据流
1、Client客戶端先通过FileSystem的open方法，向NameNode发起RPC远程过程调用请求，来得到NameNode上面的block块列表，同时NameNode也会返回包含block块的所有DataNode地址。相当于是NameNode向Client返回一个FSData.InputStream对象。
2、Client会选取离它最近的DataNode，通过调用FSData.InputStream对象的read方法去读取数据，如果DataNode在客户端上面，那就是在本地去直接获取数据。
3、当这一个block块的数据读取完毕之后，会关闭当前的DataNode的连接，然后重复第二步的操作，直到获取的所有的block块列表读取完毕。
4、当读完了block列表的时候，如果当前的NameNode读取还未结束，客户端会向NameNode再次获取block列表的信息。
5、每次Client向DataNode读取数据，都会进行check的检查操作，如果在向DataNode读取数据的过程中出现了错误，Client会将错误返回给NameNode，然后再从其他的DataNode上面读取自己需要的block。同时NameNode就会将这次的错误记录下来，下次就不会从这个DataNode去读取这个block块了。
（二）HDFS的写流程
写流程对于Client客户端来说也是透明操作，感觉就是连续的数据流
1、HDFS的Client客户端向DFS分布式文件系统调用一个create方法，通过RPC远程过程调用请求，向NameNoed去create一个文件，但是在create之前，NameNode会先去检查这个文件是否已经存在，以及用户是否有权限去创建这个文件，成功了才会创建，否则是会在客户端抛出异常的。
2、通过FSData的OutputStream对象，进行write操作，对DataNode的多个副本依次写过去。
3、当客户端开始写入文件的时候，Client客户端会将文件划分为多个packet（数据包），排成data queue（数据队列），然后DataStreamer会向NameNode去询问哪些DataNode最适合存储这几个新的blocks（如副本数是3，就找3个最适合的DataNode）
4、将这些分配的数据节点排成一个pipeline（管道），然后DataStreamer将packet按队列输出到pipeline管道里面的第一个DataNode，第一个DataNode将数据块再传给第二个DataNode，第二个再传给第三个，依次下去，直到pipeline里面的最后一个数据节点写入数据块完成，我们这里将副本数设置为3。
5、第三个（也就是最后一个节点）会返回一个ack packet确认包给第二个DataNode，表示我已经写入成功，第二个再传给第一个，第一个再返回给OutputStream，在Client客户端里面有一个ack queue队列，它从DataNode成功的接收到返回的packet包之后，ack queue会将相应的packet包移除。
6、最后调用close方法关闭，然后Client客户端再调用DFS的complete方法告诉NameNode，我已经写入成功了。
注意：但是在写入的过程中，如果其中有DataNode发生错误，出现写入失败，它会被移除当前的pipeline管道，同时将已经写入的部分数据从这个错误的D其他的DataNode继续写入，然后NameNode会重新分配一台DataNode节点，以保证所需的副本数。
网友评论