HDFS如何读写数据

这篇文章主要介绍HDFS如何读写数据，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

写：

示例：上传一个200M的文件到HDFS分布式系统
执行流程：
1、client向NameNode发送上传文件的请求，NameNode会做校验。
--（检查是否具备权限，上传路径是否存在，文件是否以存在，是否执行覆盖操作等）

2、NameNode响应客户端，可以上传文件

3、client按照集群中块大小的设置对200M的数据进行切块，即切分为128M和72M两个block块,并请
求返回DataNode节点信息 。
     a.执行上传时，是一块一块进行上传，则先请求上传0~128M的块信息（第一个block块），因为
数据真实存在DataNode节点上，所以NameNode会返回dn1\dn2\dn3三个服务器节点存储数据。

--副本存储节点选择机制，如何选择节点并返回？（见图NameNode部分）
--为什么明明只往一个节点传，还要返回三个节点？（我觉得如果只返回一个节点，如果那个节点
挂了，就不知道往哪传了，所以返回三个，dn1故障了可以选择往dn2或dn3传。）

4、client得到dn的信息后，会和dn服务器节点建立链接，client发送请求建立block传输通道，执行写数据操作 
	a.client在和dn建立连接时，也会有选择，选择距离客户端最近的节点请求建立链接通道（假设dn1最近）
	b.client和dn1建立链接通道之后，dn1内部发请求到dn2，请求建立通道，dn2发请求到dn3，请求建立通道，
	dn3响应dn2，dn2响应dn1，dn1响应client ，均没有问题，通道建立成功
	
5、数据传输时，不是说将128M的文件直接进行传输，而是client向dn1以Packet为单位进行数据传输，（packet大小：64KB），
每次传输64KB，最后一次传输数据大小可能不够64KB。
     a.client向dn1传输64KB的数据到内存，dn1落盘（在当前节点服务器上将数据由内存写到本地），并分发给dn2（内存），
 dn2落盘，在发给dn3（内存），dn3落盘     	--逻辑上的说法
     b.chunk数据传输过程中的最小单位（512字节），每次从0~128M中读数据，先读取512字节放入chunk中，当chunk满
载时，对chunk内的数据进行校验，生成校验和（占4个字节），即共将516个字节放入Packet内，一个Packet存在N多个chunk								   --真实说法
     c.各节点内部Packet是如何进行传输的？
     在hdfs内部有一个队列，叫做dataQuene（缓冲队列），每传输一个Packet，就将当前Packet放入到DQ队列中，当dn1
接收到DQ中的Packet时，会将Packet从DQ队列中拉取出来，存入另一队列ackQuene中（应答队列），当dn1，dn2，dn3等节点均将ackq中的数据写成功之后，ackquene中的packet移除，表示packet传输完成

6、当dn1、dn2、dn3建立通道时，或者在数据传输过程中，如果某个节点出现问题，比如dn2宕机了，那么客户端会重新发
请求建立传输通道，这时，宕机的节点dn2不在请求应答，dn1 和 dn3直接建立通道，dn2不在使用，缺少副本数据，内部机器会重新配置一台来顶替dn2，保证真实节点数据和副本机
制设置的保持一致

7、数据传输完成之后，流关闭，执行第二个块的数据写操作，步骤同上

读：

示例：从HDFS系统下载一个200M的文件到本地
1、client向NameNode发送下载文件请求，NameNode向client返回目标文件的元数据

2、client根据元数据，通过FSDataInputStream进行读取，client和距离客户端最近的dn节点建立传输通道
     a.注意：读数据，只需要与一个节点建立通道即可，只要可以读一次，取到真实数据就行

3、读数据也是以Packet为单位，注意，第一次读取时可能会取到第一个块的数据，但是第二个块可能存在其它
节点上，这时，其余数据的读取需要client与其它节点重新建立通道进行读取。

4、多个块读取到client之后，在client会进行缓存，然后合并写入目标文件，保证读取的真实数据的完整性

以上是“HDFS如何读写数据”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！