MapReduce(十五): 从HDFS阅读本文的源代码分析
以Map任务读取文本数据为例:
1) LineRecordReader负责对文件切割的定位,以及对读取每一行内容的封装供用户Map任务使用。每次在定位在文件里不为0的位置时,多读取一行,由于前一个处理该位置之前的数据时,会完整把该一行已经读取并处理。
2) LineReader负责对所要訪问文件输入流的数据进行每一行读取,仅仅实现对每一行读取的逻辑。
3) DFSDataInputStream封装了DFSInputStream的实现,直接调用DFSInputStream接口完毕。
4) DFSInputStream,负责对所訪问文件block的管理,提供定位block位置和提供block数据流读取的接口。
定位到所读取的位置在哪个block中后,打开与该block的socket连接,然后从封装socket的RemoteBlockReader中读取数据:
依据定位到的block在哪个主机,打开与该主机的socket连接:
获取block信息后,開始获取数据流:
5) RemoteBlockReader,对打开socket获取DataNode输入流DataInputStream进行封装,開始读取文件数据,文件数据是DataNode依照每一个chunk封装一次传输给client,client给每一个chunk检查数据完整性。
提供给上层读取socket中数据流接口:
開始从一个个chunk中读取数据:
每一个chunk的读取:
6) Block传输读协议
先是client打开连接后,向DataNode输入block的信息:
然后DataNode依照一个个chunk向DFSClient发送数据流供读,chunk的数据格式,依照数据读取先后顺序罗列: