HDFS中怎么实现本地文件上传

本篇文章给大家分享的是有关HDFS中怎么实现本地文件上传，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

public synchronized void write(byte b[], int off, int len)

        throws IOException {

            if (closed) { //校验是否关闭了，关闭了自然不应该再写入数据了

                throw new IOException("Stream closed");

            }

            while (len > 0) { //这里的len就是指源缓冲区剩下的未写完的数据长度，单位byte

              int remaining = BUFFER_SIZE - pos; //目的缓冲区里可以写的字节数

              int toWrite = Math.min(remaining, len); //跟需要写的字节数比较，取较小值作为真正要写入的字节数

              System.arraycopy(b, off, outBuf, pos, toWrite); //开始复制来作为写入到目的缓冲区操作

              pos += toWrite; //更新目的缓冲区位置指针

              off += toWrite; //更新源缓冲区位置指针

              len -= toWrite; //更新源缓冲区剩下的内容长度

              filePos += toWrite; //计算整个文件的总的已经写入的长度（包括缓冲区里的内容）

              if ((bytesWrittenToBlock + pos >= BLOCK_SIZE) ||

                  (pos == BUFFER_SIZE)) {

                flush(); //这里是2个条件引起flush,一个是总长度（已写+缓存）超过一个块大小，

                                              //第2个就是目的缓冲区已经满了，都么空间写入了，自然需要flush了。

              }

            }

        }

 //友情提醒，这里的前半段写入是能写多少写多少，写完了再判断！

为啥有2个判断条件？想必很多人对缓冲区满了很好理解，因为都没剩余空间了

而对bytesWrittenToBlock + pos >= BLOCK_SIZE可能不是很清楚

这是因为一个Block写满了就要另起炉灶，重新开一个Block.

flush()函数暂时不解释，后面再解释！

---

 public synchronized void write(int b) throws IOException {

            if (closed) {//仍然是校验是否关闭

                throw new IOException("Stream closed");

            }

            if ((bytesWrittenToBlock + pos == BLOCK_SIZE) ||

                (pos >= BUFFER_SIZE)) {

                flush();

            }//仍然是2个条件的校验

            outBuf[pos++] = (byte) b;

            filePos++;//这2句的意义在于真正的写入到目的缓冲区里

                         不过为啥不把这2段调一下顺序更好理解？果然思维独特！

        }

---

 public synchronized void flush() throws IOException {

            if (closed) {

                throw new IOException("Stream closed");

            }//检验是否关闭，老规矩

            if (bytesWrittenToBlock + pos >= BLOCK_SIZE) {

                flushData(BLOCK_SIZE - bytesWrittenToBlock);

            }//如果需要新起1个Block的话，就把剩下的不足字节数先写上

            if (bytesWrittenToBlock == BLOCK_SIZE) {

                endBlock();//然后关闭当前块，新起一块

            }

            flushData(pos);//对当前块继续写剩下的

        } 

---

继续看别的函数

在看别的函数之前，首先希望读者先建立一个0.1.0中文件的存储机制。

在读取本地文件上传到HDFS中，文件流是这样的。

本地文件--->本地内存缓冲区Buffer--->本地文件--->上传到远程HDFS系统。

而本地内存缓冲区Buffer--->本地文件就是flushData做的事情，请再复习下flush函数，然后再接下来分析flushData.

PS:看代码比写代码累，看代码是了解别人的思维，写代码是把自己的思维实现起来。。。 

private synchronized void flushData(int maxPos) throws IOException {

            int workingPos = Math.min(pos, maxPos);//计算要写入的字节数,真是多此一举。

            if (workingPos > 0) {//如果确实需要写的话

                //

                // To the local block backup, write just the bytes

                //

                backupStream.write(outBuf, 0, workingPos);//写入到本地文件

                //注意，请认真阅读backupStream的初始化过程，是一个本地文件。

                //也就是说计划把内存缓冲区里的内容写到本地文件中，写完一个block再发送给HDFS.

                //聪明的读者应该想到最后一个block的大小是<=blockSize的。

                // Track position

                //

                bytesWrittenToBlock += workingPos;//更新写入到block块的字节数，

                //尤其要强调，当一个块结束后，这个变量就会重置为0，你懂的。

                System.arraycopy(outBuf, workingPos, outBuf, 0, pos - workingPos);

                //字节前挪移到偏移量为0的位置，方便后面IO操作，你懂得，不解释。

                pos -= workingPos;//相关变量都需要更新

            }

        }

---------------

接下来到了比较核心的函数endBlock(); 意思是关闭当前块，新起一块，下面来看看具体的代码！

private synchronized void endBlock() throws IOException {

            //

            // Done with local copy

            //

            backupStream.close();//关闭本地文件系统的临时文件

            //

            // Send it to datanode//准备发送给datanode了。

            //

            boolean mustRecover = true;//定义一个哨兵变量

            while (mustRecover) {//需要读取当前文件时

                nextBlockOutputStream();

           因为这个函数到后面才分析，所以提把背景知识补充好，这个函数

           主要是初始化了一对IO流句柄，这个流是当前shell和远程datanode

           之间的TCP连接，这对IO流句柄就是 blockStream + blockReplyStream，

           分别对应着输出流和输入流，输出流用来输出文件头和文件内容，输入流是

           用来读取响应。 

                InputStream in = new FileInputStream(backupFile);//既然第一行关闭了写，

                现在就可以开始读了

                try {

                    byte buf[] = new byte[BUFFER_SIZE];//还是局部的IO缓冲区

                    int bytesRead = in.read(buf);//从本地文件中读取内容

                    while (bytesRead > 0) {//大于0？

                        blockStream.writeLong((long) bytesRead);//写入字节数

                        blockStream.write(buf, 0, bytesRead);//写入缓冲区的内容

                        bytesRead = in.read(buf);//继续从本地文件中读取

                    }

                    internalClose();//跟NameNode和DataNode的交互，表示关闭

                    mustRecover = false;//表示任务结束

                } catch (IOException ie) {

                    handleSocketException(ie);

                } finally {

                  in.close();//关闭当前文件的输入流

                }

            }

            //

            // Delete local backup, start new one

            //下面4行是从新建立起本地文件系统的文件缓冲系统，不解释

            backupFile.delete();

            backupFile = newBackupFile();

            backupStream = new FileOutputStream(backupFile);

            bytesWrittenToBlock = 0;

        }

在阅读以上代码之后，我个人认为如果用C语言来写这段逻辑的话，我会直接调用sendfile来实现文件传输。

当然JAVA的API滞后性以及OS当时或许都不提供这种方式吧，反正现在的内核都提供了。

---------------------------------------

 那么接下来分析的是函数：nextBlockOutputStream()

private synchronized void nextBlockOutputStream() throws IOException {

            boolean retry = false;//不解释

            long start = System.currentTimeMillis();//当前开始时间

            do {

                retry = false;//重置为false 

                long localstart = System.currentTimeMillis();//当前开始时间

                boolean blockComplete = false;//标注块是否OK

                LocatedBlock lb = null;    //初始化为null          

                while (! blockComplete) {//如果未结束

                    if (firstTime) {//如果是第一次开启一个文件

                        lb = namenode.create(src.toString(), clientName.toString(), localName, overwrite);//创建一个文件 

                    } else {

                        lb = namenode.addBlock(src.toString(), localName);

                    }//增加一个block

                    if (lb == null) {//如果找不到

                        try {

                            Thread.sleep(400);//就沉睡400毫秒

                            if (System.currentTimeMillis() - localstart > 5000) {

                                LOG.info("Waiting to find new output block node for " + (System.currentTimeMillis() - start) + "ms");

                            }

                        } catch (InterruptedException ie) {

                        }

                    } else {

                        blockComplete = true;//设置blockComplete为true.解释为找到了一个block

                    }

                }

                block = lb.getBlock();//从lb中获取block的信息

                DatanodeInfo nodes[] = lb.getLocations();//从lb中获取block要存储的DataNode数组

                //

                // Connect to first DataNode in the list.  Abort if this fails.

                //请注意上面这句的意思:连接第一个数据节点，

                //为啥？数据传输采用计算机组成原理的菊花链模式

                InetSocketAddress target = DataNode.createSocketAddr(nodes[0].getName().toString());//解析

                try {

                    s = new Socket();

                    s.connect(target, READ_TIMEOUT);//连接第一个DataNode

                    s.setSoTimeout(READ_TIMEOUT);//设置读取时间

                } catch (IOException ie) {//异常这里就不分析了

                    // Connection failed.  Let's wait a little bit and retry

                    try {

                        if (System.currentTimeMillis() - start > 5000) {

                            LOG.info("Waiting to find target node: " + target);

                        }

                        Thread.sleep(6000);

                    } catch (InterruptedException iex) {

                    }

                    if (firstTime) {

                        namenode.abandonFileInProgress(src.toString());

                    } else {

                        namenode.abandonBlock(block, src.toString());

                    }

                    retry = true;

                    continue;

                }

                //此时已经成功连接到了远程DataNode节点，bingo!

                // Xmit header info to datanode

                //

                DataOutputStream out = new DataOutputStream(new BufferedOutputStream(s.getOutputStream()));

//获取输出流句柄

                out.write(OP_WRITE_BLOCK);//输出行为标识

                out.writeBoolean(false);//false?

                block.write(out);//写入block信息，注意：是把从namenode获取到的block写给DataNode

                out.writeInt(nodes.length);//这一样和下面这一行是为了写入所有存储及备份的DataNode

                for (int i = 0; i < nodes.length; i++) {

                    nodes[i].write(out);//不解释

                }

                out.write(CHUNKED_ENCODING);//写CHUNKED_ENCODING

                bytesWrittenToBlock = 0;//重置为0

                blockStream = out;//把句柄赋值给类的局部变量供后续使用

                blockReplyStream = new DataInputStream(new BufferedInputStream(s.getInputStream()));//同理，不解释

            } while (retry);

            firstTime = false;//firstTime在至少有一个块信息返回后就为false

=================================================== 

接下来要分析的函数是

private synchronized void internalClose() throws IOException {

            blockStream.writeLong(0);//表明长度结束了

            blockStream.flush();//把缓冲内容全部输出。

            long complete = blockReplyStream.readLong();//读取响应

            if (complete != WRITE_COMPLETE) {//如果不是结束

                LOG.info("Did not receive WRITE_COMPLETE flag: " + complete);

                throw new IOException("Did not receive WRITE_COMPLETE_FLAG: " + complete);

            }

            LocatedBlock lb = new LocatedBlock();//创建一个新对象

            lb.readFields(blockReplyStream);//根据响应流来赋值

            namenode.reportWrittenBlock(lb);//向namenode报告写入成功

            s.close();//关闭此流

            s = null;

        }

================

最后就是close函数

public synchronized void close() throws IOException {

            if (closed) {

                throw new IOException("Stream closed");

            }//校验是否关闭了

            flush();//尽可能的输出内容

            if (filePos == 0 || bytesWrittenToBlock != 0) {

              try {

                endBlock();//结束一个块

              } catch (IOException e) {

                namenode.abandonFileInProgress(src.toString());//抛弃此file

                throw e;

              }

            }

            backupStream.close();//关闭流

            backupFile.delete();//删除文件

            if (s != null) {

                s.close();//不解释

                s = null;

            }

            super.close();

            long localstart = System.currentTimeMillis();

            boolean fileComplete = false;

            while (! fileComplete) {//循环报告文件写完了

                fileComplete = namenode.complete(src.toString(), clientName.toString());

                if (!fileComplete) {

                    try {

                        Thread.sleep(400);

                        if (System.currentTimeMillis() - localstart > 5000) {

                            LOG.info("Could not complete file, retrying...");

                        }

                    } catch (InterruptedException ie) {

                    }

                }

            }

            closed = true;

        }

以上就是HDFS中怎么实现本地文件上传，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注亿速云行业资讯频道。