大数据HDFS读写数据的过程探究

读数据

1. 跟namenode通信查询元数据，找到文件块所在的datanode服务器
2. 挑选一台datanode(就近原则，然后随机)服务器，请求建立socket流
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)
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

写数据

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. namenode返回是否可以上传
3. client请求第一个 block该传输到哪些datanode服务器上
4. namenode返回3个datanode服务器ABC
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
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
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。

网络故障，脏数据如何解决?

DataNode 失效等问题，这些问题 HDFS 在设计的时候都早已考虑到了。下面来介绍一下数据损坏处理流程：

• 当 DataNode 读取 block 的时候，它会计算 checksum。
• 如果计算后的 checksum，与 block 创建时值不一样，说明该 block 已经损坏。
• Client 读取其它 DataNode上的 block。
• NameNode 标记该块已经损坏，然后复制 block 达到预期设置的文件备份数 。
• DataNode 在其文件创建后验证其 checksum。

读写过程，数据完整性如何保持?

通过校验和。因为每个chunk中都有一个校验位，一个个chunk构成packet，一个个packet最终形成block，故可在block上求校验和。

HDFS 的client端即实现了对 HDFS 文件内容的校验和 (checksum) 检查。当客户端创建一个新的HDFS文件时候，分块后会计算这个文件每个数据块的校验和，此校验和会以一个隐藏文件形式保存在同一个 HDFS 命名空间下。当client端从HDFS中读取文件内容后，它会检查分块时候计算出的校验和(隐藏文件里)和读取到的文件块中校验和是否匹配，如果不匹配，客户端可以选择从其他 Datanode 获取该数据块的副本。

HDFS中文件块目录结构具体格式如下：

${dfs.datanode.data.dir}/  
├── current  
│ ├── BP-526805057-127.0.0.1-1411980876842  
│ │ └── current  
│ │ ├── VERSION  
│ │ ├── finalized  
│ │ │ ├── blk_1073741825  
│ │ │ ├── blk_1073741825_1001.meta  
│ │ │ ├── blk_1073741826  
│ │ │ └── blk_1073741826_1002.meta  
│ │ └── rbw  
│ └── VERSION  
└── in_use.lock 

in_use.lock表示DataNode正在对文件夹进行操作

rbw是“replica being written”的意思，该目录用于存储用户当前正在写入的数据。

Block元数据文件(*.meta)由一个包含版本、类型信息的头文件和一系列校验值组成。校验和也正是存在其中。

当前文章：大数据HDFS读写数据的过程探究
文章分享：/news32/104632.html

成都网站建设公司_创新互联，为您提供标签优化、关键词优化、自适应网站、虚拟主机、网站营销、网站制作

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联