HDFS原理

Posted 2020-09-21 blfbuaa

有一个文件FileA，100M大小。

Client将FileA写入到HDFS上。

HDFS按默认配置。

HDFS分布在三个机架上Rack1，Rack2。Rack3。

 

a. Client将FileA按64M分块。分成两块。block1和Block2;

b. Client向nameNode发送写数据请求，如图蓝色虚线①------>。

c. NameNode节点，记录block信息。并返回可用的DataNode，如粉色虚线②--------->。

    Block1: host2,host1,host3

    Block2: host7,host8,host4

    原理：

        NameNode具有RackAware机架感知功能，这个能够配置。

        若client为DataNode节点。那存储block时，规则为：副本1，同client的节点上；副本2，不同机架节点上。副本3。同第二个副本机架的还有一个节点上。其它副本随机挑选。

        若client不为DataNode节点。那存储block时。规则为：副本1，随机选择一个节点上；副本2。不同副本1。机架上；副本3，同副本2同样的还有一个节点上；其它副本随机挑选。

d. client向DataNode发送block1；发送过程是以流式写入。

    流式写入过程。

        1>将64M的block1按64k的package划分;

        2>然后将第一个package发送给host2;

        3>host2接收完后。将第一个package发送给host1，同一时候client想host2发送第二个package；

        4>host1接收完第一个package后，发送给host3，同一时候接收host2发来的第二个package。

        5>以此类推，如图红线实线所看到的，直到将block1发送完成。

        6>host2,host1,host3向NameNode，host2向Client发送通知，说“消息发送完了”。如图粉红颜色实线所看到的。

        7>client收到host2发来的消息后，向namenode发送消息。说我写完了。这样就真完毕了。如图黄色粗实线

        8>发送完block1后，再向host7，host8，host4发送block2，如图蓝色实线所看到的。

        9>发送完block2后，host7,host8,host4向NameNode。host7向Client发送通知。如图浅绿色实线所看到的。

        10>client向NameNode发送消息。说我写完了，如图黄色粗实线。。。

这样就完成了。

分析，通过写过程。我们能够了解到：

    ①写1T文件。我们须要3T的存储。3T的网络流量贷款。

    ②在运行读或写的过程中，NameNode和DataNode通过HeartBeat进行保存通信，确定DataNode活着。

假设发现DataNode死掉了，就将死掉的DataNode上的数据，放到其它节点去。

读取时。要读其它节点去。

    ③挂掉一个节点，没关系，还有其它节点能够备份。甚至，挂掉某一个机架，也没关系；其它机架上，也有备份。