Hadoop读写流程与2.X架构
安全模式
集群启动时的一个状态，处于安全模式的状态下，只向客户端提供文件的只读视图
HDFS的权限
HDFS对权限的控制
-
只能防止好人做错事
-
不能防止坏人做坏事
机架感知策略
我们需要将副本放在不同的DN节点上，节点也需要一定的考量
可靠性、可用性、带宽消耗
第一个节点
集群内部（优先考虑和客户端相同节点作为第一个节点）
集群外部（选择资源丰富且不繁忙的节点为第一个节点）
第二个节点
选择和第一个节点不同机架的其他节点
第三个节点
与第二个节点相同机架的其他节点
第N个节点
与前面节点不重复的其他节点
HDFS写数据流程
宏观流程
-
客户端向HDFS发送写数据请求
-
filesystem通过rpc调用namenode的create方法
nn首先检查是否有足够的空间权限等条件创建这个文件,或者这个路径是否已经存在，权限
-
有：NN会针对这个文件创建一个空的Entry对象,并返回成功状态给DFS
-
没有：直接抛出对应的异常，给予客户端错误提示信息
3.DFS如果接收到成功状态，会创建一个对象 FSDataOutputStream的对象给客户端使用
4.客户端需要向NN询问第一个Block存放的位置
NN通过机架感知策略 (node1 node 2 node8) 5.需要将客户端和DN节点创建连接
pipeline(管道)
-
客户端和node1创建连接 socket
-
node1和node2创建连接 socket
-
node2 和Node8创建连接 socket
6.客户端将文件按照块block切分数据,但是按照packet发送数据
默认一个packet大小为64K,Block128M为2048个packet
7.客户端通过pipeline管道开始使用FSDataOutputStream对象将数据输出
-
客户端首先将一个packet发送给node1,同时给予node1一个ack状态
-
node1接受数据后会将数据继续传递给node2,同时给予node2一个ack状态
-
node2接受数据后会将数据继续传递给node8,同时给予node8一个ack状态
-
node8将这个packet接受完成后，会响应这个ack给node2为true
-
node2会响应给node1 ,同理node1响应给客户端
8.客户端接收到成功的状态,就认为某个packet发送成功了，直到当前块所有的packet都发送完成
9.如果客户端接收到最后一个pakcet的成功状态,说明当前block传输完成，管道就会被撤销
10.客户端会将这个消息传递给NN，NN确认传输完成
-
NN会将block的信息记录到Entry,客户端会继续向NN询问第二个块的存储位置,依次类推
-
block1 (node1 node2 node8)
-
block2 (node1 node8 node9)
-
…
-
blockn(node1 node7 node9)
当所有的block传输完成后，NN在Entry中存储所有的File与Block与DN的映射关系关闭FsDataOutPutStream
微观流程
1.首先客户端从自己的硬盘以流的方式读取数据文件到自己的缓存中
2.然后将缓存中的数据以chunk（512B）和checksum(4B)的方式放入到packet（64K）
-
chunk:checksum=128:1
-
checksum:在数据处理和数据通信领域中，用于校验目的的一组数据项的和
-
Packet中的数据分为两类，一类是实际数据包，另一类是header包。
-
一个Packet数据包的组成结构
3.当packet满的时候加入到 添加到 dataqueue
4.datastreamer开始从dataqueue队列上取出一个packet，通过FSDataOPS发送到Pipleline
在取出的时候，也会将packet加入到ackQueue,典型的生产者消费者模式
5.客户端发送一个Packet数据包以后开始接收ack，大数据培训会有一个用来接收ack的ResponseProcessor进程，如果收到成功的ack
-
如果某一个packet的ack为true,那么就从ackqueue删除掉这个packet
-
如果某一个packet的ack为false,将ackqueue中所有的packet重新挂载到 发送队列,重新发送
6.最终DFS保存的数据格式为
-
blk_ 为trunk文件
-
blk_ .mate 为checksum文件
HDFS读数据流程
首先客户端发送请求到DFS，申请读取某一个文件
DFS去NN查找这个文件的信息(权限,文件是否存在)
如果文件不存在，抛出指定的错误
如果文件存在，返回成功状态
DFS创建FSDataInputStream对象，客户端通过这个对象读取数据
客户端获取文件第一个Block信息,返回DN1 DN2 DN8
客户端直接就近原则选择DN1对应的数据即可
依次类推读取其他块的信息，直到最后一个块,将Block合并成一个文件
关闭FSDataInputStream
Hadoop1的困境
单点故障
每个群集只有一个NameNode，NameNode存在单点故障（SPOF）
水平扩展
将来服务器启动的时候，启动速度慢
namenode随着业务的增多，内存占用也会越来越多
如果namenode内存占满，将无法继续提供服务
业务隔离性差
丢失inprocess
