Hadoop系列008-HDFS的数据流

本人微信公众号，欢迎扫码关注！

HDFS的数据流

1 HDFS写数据流程

1.1 剖析文件写入

1）客户端向namenode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）客户端请求第一个 block上传到哪几个datanode服务器上。

4）namenode返回3个datanode节点，分别为dn1、dn2、dn3。

5）客户端请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成

6）dn1、dn2、dn3逐级应答客户端

7）客户端开始往dn1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，dn1收到一个packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答

8）当一个block传输完成之后，客户端再次请求namenode上传第二个block的服务器。（重复执行3-7步）

1.2 网络拓扑概念

在本地网络中，两个节点被称为“彼此近邻”是什么意思？在海量数据处理中，其主要限制因素是节点之间数据的传输速率——带宽很稀缺。这里的想法是将两个节点间的带宽作为距离的衡量标准。

节点距离：两个节点到达最近的共同祖先的距离总和。

例如，假设有数据中心d1机架r1中的节点n1。该节点可以表示为/d1/r1/n1。利用这种标记，这里给出四种距离描述。

Distance(/d1/r1/n1, /d1/r1/n1)=0（同一节点上的进程）
Distance(/d1/r1/n1, /d1/r1/n2)=2（同一机架上的不同节点）
Distance(/d1/r1/n1, /d1/r3/n2)=4（同一数据中心不同机架上的节点）
Distance(/d1/r1/n1, /d2/r4/n2)=6（不同数据中心的节点）

1.3 机架感知（副本节点选择）

1.3.1 官方地址

http://hadoop.apache.org/docs/r2.7.3/hadoop-project-dist/hadoop-common/RackAwareness.html

1.3.2 低版本Hadoop复本节点选择

• 第一个复本在client所处的节点上。如果客户端在集群外，随机选一个。
• 第二个复本和第一个复本位于不相同机架的随机节点上。
• 第三个复本和第二个复本位于相同机架，节点随机。

1.3.3 Hadoop2.7.2副本节点选择

• 第一个副本在client所处的节点上。如果客户端在集群外，随机选一个。
• 第二个副本和第一个副本位于相同机架，随机节点。
• 第三个副本位于不同机架，随机节点。

1.3.4 自定义机架感知

• （0）环境准备
  • （a）数据节点的量

    [rack1]：hadoop102、hadoop103

    [rack2]：hadoop104、hadoop105

  • （b）增加一个数据节点

    （1）克隆一个节点

    （2）启动新节点

    （3）修改克隆的ip和主机名

    （4）在hadoop102上ssh到新节点

    （5）修改xsync.sh和xcall.sh文件

    （6）修改hadoop102 slaves文件，再分发

• （1）创建类实现DNSToSwitchMapping接口

  public class MyDNSToSwichMapping implements DNSToSwitchMapping {
    // 传递的是客户端的ip列表，返回机架感知的路径列表
    public List<String> resolve(List<String> names) {
  
        ArrayList<String> lists = new ArrayList<String>();
        if (names != null && names.size() > 0) {
            for (String name : names) {
                int ip = 0;
                  // 获取ip地址
                if (name.startsWith("hadoop")) {
                    String no = name.substring(6);
                    // hadoop102
                    ip = Integer.parseInt(no);
                } else if (name.startsWith("192")) {
                    // 192.168.10.102
                    ip = Integer.parseInt(name.substring(name.lastIndexOf(".") + 1));
                }
  
                  // 定义机架
                if (ip < 104) {
                    lists.add("/rack1/" + ip);
                } else {
                    lists.add("/rack2/" + ip);
                }
            }
        }
  
          // 把ip地址打印出来
        try {
            FileOutputStream fos = new FileOutputStream("/home/atguigu/name.txt");
  
            for (String name : lists) {
                fos.write((name + "\r\n").getBytes());
            }
            fos.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
        return lists;
    }
    public void reloadCachedMappings() {
    }
    public void reloadCachedMappings(List<String> names) {
    }
  }

• （2）配置core-site.xml
  • 默认的：

    <!-- Topology Configuration -->
    <property>
      <name>net.topology.node.switch.mapping.impl</name>
      <value>org.apache.hadoop.net.ScriptBasedMapping</value>
    </property>

  • 配置后的

    <!-- Topology Configuration -->
    <property>
      <name>net.topology.node.switch.mapping.impl</name>
      <value>com.atguigu.hdfs.MyDNSToSwichMapping</value>
    </property>

• （3）分发core-site.xml

  xsync /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml

• （4）编译程序，打成jar，分发到所有节点的hadoop的classpath下

  cd /opt/module/hadoop-2.7.2/share/hadoop/common/lib
  xsync MyDNSSwitchToMapping.jar

• （5）重新启动集群
• （6）在名称节点hadoop103主机上查看名称
• （7）查看结果
  • （1）在hadoop105节点上传文件到hdfs文件系统，查看复本存放位置

    

  • （2）在hadoop102节点上传文件到hdfs文件系统，查看复本存放位置

    

  • （3）结论

    第一个副本在client所处的节点上。如果客户端在集群外，随机选一个。

    第二个副本和第一个副本位于相同机架，随机节点。

    第三个副本位于不同机架，随机节点。

2 HDFS读数据流程

1）客户端向namenode请求下载文件，namenode通过查询元数据，找到文件块所在的datanode地址。

2）挑选一台datanode（就近原则，然后随机）服务器，请求读取数据。

3）datanode开始传输数据给客户端（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。

3 一致性模型

3.1 debug调试如下代码

    @Test
    public void writeFile() throws Exception{
        // 1 创建配置信息对象
        Configuration configuration = new Configuration();
        fs = FileSystem.get(configuration);

        // 2 创建文件输出流
        Path path = new Path("hdfs://hadoop102:8020/user/atguigu/hello.txt");
        FSDataOutputStream fos = fs.create(path);

        // 3 写数据
        fos.write("hello".getBytes());
//      fos.flush();
        fos.hflush();
//
//      fos.write("welcome to atguigu".getBytes());
//      fos.hsync();

        fos.close();
    }

3.2 总结

• 写入数据时，如果希望数据被其他client立即可见，调用如下方法
• FsDataOutputStream.hflus(); //清理客户端缓冲区数据，被其他client立即可见
• FsDataOutputStream.hsync(); //清理客户端缓冲区数据，被其他client不能立即可见

原文地址：https://www.cnblogs.com/intflag/p/10251702.html