区块链技术博客
www.b2bchain.cn

Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中 原创的讲解

这篇文章主要介绍了Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中 原创的讲解,通过具体代码讲解7581并且分析了Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中 原创的讲解的详细步骤与相关技巧,需要的朋友可以参考下

本文实例讲述了Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中 原创的讲解。分享给大家供大家参考文章查询地址https://www.b2bchain.cn/7581.html。具体如下:

第四章 HDFS的读写数据流详细分析

文章目录

  • 第四章 HDFS的读写数据流详细分析
    • 4.1 HDFS写数据流程
      • 4.1.1 剖析文件写入
      • 4.1.2 源码解析
      • 4.1.3 网络拓扑-节点距离计算
      • 4.1.4 机架感知(副本存储节点选择)
    • 4.2 HDFS读数据流程

4.1 HDFS写数据流程

Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中            原创

4.1.1 剖析文件写入

(1)客户端通过Distributed FileSystem模块向NameNode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)NameNode返回是否可以上传。

(3)客户端请求第一个 Block上传到哪几个DataNode服务器上。

(4)NameNode返回3个DataNode节点,分别为dn1、dn2、dn3。

(5)客户端通过FSDataOutputStream模块请求dn1上传数据,dn1收到请求会继续调用dn2,然后dn2调用dn3,将这个通信管道建立完成。

(6)dn1、dn2、dn3逐级应答客户端。

(7)客户端开始往dn1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(64kb),dn1收到一个Packet就会传给dn2,dn2传给dn3;dn1每传一个packet会放入一个应答队列等待应答。

(8)当一个Block传输完成之后,客户端再次请求NameNode上传第二个Block的服务器。(重复执行3-7步)。

4.1.2 源码解析

源码解析:org.apache.hadoop.hdfs.DFSOutputStream

  1. 客户端发起create file请求,目的是获取 hdfs 文件的输出流。namenode 收到请求后会检测路径的合法性,以及权限。原生Hadoop权限管理不是很完善,工作中用的是cdh(商业版hadoop)。
  2. 如果检测都通过,namenode 会为这个文件生成块的元数据信息(比如文件切块、分配块id、分配每个块存在哪个datanode上),然后将该信息返回给客户端。
  3. 客户端会创建输出流之后,采用pipeline(数据流管道)机制做数据的发送。副本默认是3个,但是为什么在拷贝中是一个datanode,然后在datanode之间线性传输,而不是一次给三个datanode那样拓扑式传输呢?这样的数据以管道的方式,顺序的沿着一个datanode传输,这样能够充分利用每个机器的带宽,避免网络瓶颈和高延迟时的连接,最小化推送所有数据的延时。在线性推送模式下,每台机器所有的出口宽带都用于以最快的速度传输数据,而不是在多个接受者之间分配宽带。
    packet是一个64kb大小的数据包,即客户端在发送文件块时,会把文件打散成一个个的数据包,发送给datanode
  4. 每台datanode收到packet后,会向上游datanodeack确认,如果接受失败,会进行重发。
  5. 当一个文件上传完后,关流

客户端在文件上传的时候发起 write 请求,创建一个FSDataOutputStream 输出流。输出流会将文件打散成64kb的包(Packet),并且每个包含有一个512b的校验码(DataChecksum),然后创建一个数据队列dataqueue,将所有数据包加到dataqueue队列中,最后启动DataStreamer线程。

  • 上边说过,在打散包时,会对每个包算出一个校验码,在发送过程中也将校验码发送到

  • datanodedatanode在接受后,也会以相同逻辑算一次校验码,

  • 通过自己算出来的和传过来的校验码两者是否一致,来确定数据的完整性。

DataStreamer(后台线程继承了Daemon)线程通过数据管道,将包发送给第一个datanode,并且将数据再放一份到一个新的队列中ackqueueackqueue 的作用在发送失败的时候,可以从该队列里恢复,确保数据的完整。

ResponseProcessor线程就是专门来收集拷贝后的ack如果失败了之后,它会执行从ackqueue里取数据重新发送,如果发送成功了。则删除ackqueue的数据。

注意:

  • ackqueuedataque都是LinkedList<Packet>类型,Packet即是上边的数据块,
  • LinkedList的特点是无界,并且增删快的特点。

4.1.3 网络拓扑-节点距离计算

在HDFS写数据的过程中,NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢?

节点距离:两个节点到达最近的共同祖先的距离总和。
Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中            原创
例如,假设有数据中心d1机架r1中的节点n1。该节点可以表示为/d1/r1/n1。利用这种标记,这里给出四种距离描述。

算一算每两个节点之间的距离。
Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中            原创

4.1.4 机架感知(副本存储节点选择)

1)官方IP地址

机架感知说明

http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html

For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on the local machine if the writer is on a datanode, otherwise on a random datanode, another replica on a node in a different (remote) rack, and the last on a different node in the same remote rack. This policy cuts the inter-rack write traffic which generally improves write performance. The chance of rack failure is far less than that of node failure; this policy does not impact data reliability and availability guarantees. However, it does reduce the aggregate network bandwidth used when reading data since a block is placed in only two unique racks rather than three. With this policy, the replicas of a file do not evenly distribute across the racks. One third of replicas are on one node, two thirds of replicas are on one rack, and the other third are evenly distributed across the remaining racks. This policy improves write performance without compromising data reliability or read performance.

2)Hadoop3.1.3副本节点选择
Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中            原创

4.2 HDFS读数据流程

Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中            原创
(1)客户端通过Distributed FileSystem向NameNode请求下载文件,NameNode通过查询元数据,找到文件块所在的DataNode地址。

(2)挑选一台DataNode(就近原则,然后随机)服务器,请求读取数据。

(3)DataNode开始传输数据给客户端(从磁盘里面读取数据输入流,以Packet为单位来做校验)。

(4)客户端以Packet为单位接收,先在本地缓存,然后写入目标文件。

  • 注意:1、同一个文件的几个block可以再不同的DataNode上。2、读文件只能按顺序读,并且只能一个一个读,不能并行。

本文地址https://www.b2bchain.cn/7581.html

赞(0) 打赏
部分文章转自网络,侵权联系删除b2bchain区块链学习技术社区 » Hadoop-HDFS-读写数据流图解+详细分析,源码解析-连载中 原创的讲解
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

b2b链

联系我们联系我们