Hadoop3.1.1源码Client详解 : 入队前数据写入
该系列总览: Hadoop3.1.1架构体系——设计原理阐述与Client源码图文详解 : 总览
紧接着上一篇: Hadoop3.1.1源码Client详解 : 写入准备-RPC调用与流的建立
先给出数据写入时的3个主要载体
载体1是我们实际要写入HDFS的数据，一般是字节数组
载体2是一个字节数组，这个字节数组位于校验和计算类FSOutputSummer的对象中
载体3是客户端和DataNode通信的重要载体，来自载体2的数据(3中的实际数据)被加上消息头和来自载体2的校验和，打成一个Packet，并且Packet被写满或
Block被写满后被压入守护线程DataStreamer的消息队列dataQueue中。
接着我们来阐述各个载体间的关系，以及分析整个数据流
首先是载体1和载体2间的关系
我们要知道，当我们调用Hadoop客户端的FSDataOutputStream的write方法的时候，是不一定会真正的写出数据的。
因为Hadoop输出流的设计采用了修饰模式，各个流都是对另一个流的包装(功能添加)。
FSDataOutputStream包装了PositionCache，PositionCache包装了FSOutputSummer(其实包装的是DFSOutputStream,DFSOutputStream继承FSOutputSummer)
因为PositionCache的功能比较鸡肋，主要是统计数据流，简化起见，之后我们省略他。
整体的调用关系：为了分析方便 打上颜色
调用FSDataOutputStream.write(byte[] b)，也就是我们平常写入数据流的方法，会通过各种修饰关系兜兜转转调用到上图红色的函数(write)上，中间过程的函数省略
我们来看一下红色函数write干了什么。
红色函数实际上是把我们实际输入的数据，分段地输入到write1方法中，而且根据write1方法返回的值，了解到write1方法实际上写入了多少数据
红色函数write实际上只是保证我们数据能分段写入绿色函数write1
在write1中我们遇到第一层缓冲，也就是载体2，buffer数组， buffer大小一般是每份校验和大小的9倍，每份校验和大小在客户端的 dfs.bytes-per-checksum 选 项中设置。
其中第二种情况的flushBuffer函数中包含了对橙色函数writeChecksumChunks函数的调用
这个函数应该拆成writeChecksum/Chunks , 因为这个函数负责计算校验和（checksum）并且调用writeChunk(紫色函数)来写入Chunk
绿框所在的for循环做的是把buffer传来的数据切成许多份（一般是9份），每份的大小是BytesPerCheckSum，BytesPerCheckSum的意思是在整个数据中
每隔多少字节就计算过一次校验和。
关于Chunk的含义和校验和种类稍后介绍
我们看橙色函数writeChecksumChunks，
红框的地方是计算校验和
计算检验和的大体做法是：在写入数据的时候，把数据分成等大小的若干份（最后一份可能不是等大小的），然后对每份进行校验和计算，把算出来的结果
添加到数据头部或者尾部，下次取出数据的时候就可以根据校验和计算数据，是否出错。
这里计算校验和的算法默认是CRC32
绿色空心框中的BytesPerChecksum就是每份数据的大小，也就是绿色长方形的大小，每个绿色长方形被叫做Chunk（BytesPerChecksum大小的一份数据）
蓝色空心框部分十分重要，框中方法writeChuck（紫色函数）被DFSOutputStream重写
下面是简单的说明，之后有详解
我们来看看图解，序号表示操作执行顺序
1.第一步其实还有一些检查操作，但主要操作还是创建包
2.第二步是逐块逐块地向Packet里填充校验和
3.第三部是逐块逐块地向Packet填充chunk，chunk是我们实际写入数据被分成等大小的那些块。
4.第四步是记录Packet写入了多少个chunk，当写入的数量超过限制的时候（默认是126，具体会根据bytesPerCheckSum和现在是否写入最后一个数据Packet
进行调整）就会触发M事件(M事件稍后解释)
5.第五步是增加DataStreamer记录的当前块已经写入的数据大小（字节为单位），如果已经写入块的数据等于块的大小，也会触发事件M
事件M:
事件M其实就是调用enqueueCurrentPacketFull函数
这个函数主要分3步，第一步是让当前的Packet入队并且将当前Packet设置为空，第二步是根据边界关系调整下一个Packet的大小，第三步是检查是否块已写满
第一步：
很明显，让Packet入队，并且将当前Packet的引用置空，以便下一次创建一个新的Packet
第二步：
边界调整，什么是边界调整呢？我们要写满一个块，要发送若干个Packet给DataNode，一般Packet的大小是相同的
但是如果Block大小不能被Packet整除的话，就需要调整最后一个Packet的大小，以便正好写满Block。
其实第二步是有两个分支的，上述分析的是第二个分支，第一个分支笔者暂时没有研究透，之后补充。
第三步：
检查是否已经写满一个Block了，如果是，就会把当前包里的数据清空，让这个包作为一个结束通知包，发送给DataNode，告知DataNode
当前的Block已经写完了。
lastPacketInBlock正是来通知DataNode，当前包是Block最后一个包的，没有数据，各项大小都是0，以起到通知作用。
本文分析到此，入队以及之后的操作另外开文分析。
从本文的缓冲以及要写满一个Packet才发送数据我们可以得知 :
有时我们写入了数据，关闭客户端，发现并没有数据被写入HDFS，是因为写入的数据没有写满一个Packet，甚至是没有达到缓冲区大小所以没有被写到HDFS 中。
虽然这一定程度上违背了POSIX标准中对用户操作响应要及时的要求，但适合Hadoop面向大数据传输的特性。
而且如果只传一点数据就写入HDFS，NameNode会因为频繁的请求和大量的文件元数据（metaData）而崩溃宕机
DataNode也会因为频繁琐碎的文件传输请求而导致网络利用率低，甚至宕机。
