{大数据}hdfs的工作机制

​1.概述：

    1.1. HDFS集群分为两大角色：NameNode、DataNode  (Secondary Namenode)

    1.2. NameNode负责管理整个文件系统的元数据

    1.3. DataNode 负责管理用户的文件数据块

    1.4. 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

    1.5. 每一个文件块可以有多个副本，并存放在不同的datanode上

    1.6. 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

    1.7. 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：概叙

            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

        ​

    2.3：详细步骤解析          

        2.3.1、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

        2.3.2、namenode返回是否可以上传

        2.3.3、client请求第一个 block该传输到哪些datanode服务器上

        2.3.4、namenode返回3个datanode服务器ABC

        2.3.5、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

        2.3.6、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

        2.3.7、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：

            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

        ​

        3.3：详细步骤解析

            3.3.1、跟namenode通信查询元数据，找到文件块所在的datanode服务器

            3.3.2、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流

            3.3.3、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）

            3.3.4、客户端以packet为单位接收，现在本地缓存，然后写入目标文件