hadoop HDFS

分布式文件系统HDFS：

优点：

数据冗余，硬件容错

处理流式数据访问（一次写入多次读取）

适合存储大文件

可构建在廉价机器上

缺点：

低延迟的数据访问

不适合小文件存储

NameNode+ N个DataNode（DN和NN是部署在不同的节点上的）

NameNode:

1) 负责客户端请求的响应

2）负责元数据（文件的名称、副本系数、Block存放的DN）的管理

DataNode：

1）存储用户的文件对应的数据块

2）要定期向NN发送心跳信息，汇报本身及其所有的block信息，健康状况

 

HDFS写流程：

详细步骤：

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会先对文件进行切分，比如一个blok块128m，文件有300m就会被切分成3个块，一个128M、一个128M、一个44M请求第一个 block该传输到哪些datanode服务器上 
4、namenode返回datanode的服务器 
5、client请求一台datanode上传数据（本质上是一个RPC调用，建立pipeline），第一个datanode收到请求会继续调用第二个datanode，然后第二个调用第三个datanode，将整个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（一个packet为64kb），当然在写入的时候datanode会进行数据校验，它并不是通过一个packet进行一次校验而是以chunk为单位进行校验（512byte），第一台datanode收到一个packet就会传给第二台，第二台传给第三台；第一台每传一个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。

 

HDFS读流程：

详细步骤：

1、跟namenode通信查询元数据（block所在的datanode节点），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，先在本地缓存，然后写入目标文件，后面的block块就相当于是append到前面的block块最后合成最终需要的文件。