hadoop之数据完整性与数据损坏处理

数据损坏(corruption)处理与数据完整性

由于每个DataNode操作磁盘或网络I/O操作可能会对正在读写的数据处理不慎而出现错误，hadoop提供了他的

数据检测方式：

 

     主要在于两个方面：一是校验和的方法实现；二是DataBlockScanner数据块检测程序；

         一：校验和
          在系统启动时计算数据的校验和，在通道传输过程中，如果新生成的校验和不完全匹配原始的校

          验和，那么数据就会被认为是被损坏的。

          1：DataNode在读取Block时候计算checksum；

          2：针对数据的每个io.bytes.per.checksum字节（这个字节是怎么来的？！），都会创建一个单独的校

               验和。默认值为512字节；

          3：如果计算后的checksum，与block创建时值不一样，说明该block已经损坏。

          4：client读取其它DN上的block；NN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。

          5：每个datanode都维护着一个连续的校验和和验证日志，里面有着每个block的最后验证的时间。

         数据端成功验证block之后，便会告诉datanode，datanode随之更新日志。

 

         二：数据块检测程序（DataBlockScanner）

          每个datanode会在后台线程运行一个DataBlockScanner定期验证存储在datanode上的所有block。这是

          为了防止物理存储介质出现衰减。

          默认情况下DN在其文件创建后三周验证其checksum