携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第8天，点击查看活动详情 >>
\
HDFS读流程
1、HDFS客户端创建FileSystem对象实例DistributedFileSystem， FileSystem封装了与文件系统操作的相 关方法。调用DistributedFileSystem对象的open()方法来打开希望读取的文件。
2、DistributedFileSystem使用RPC调用namenode来确定文件中前几个块的块位置(分批次读取)信息。
对于每个块，namenode返回具有该块所有副本的datanode位置地址列表，并且该地址列表是排序好的， 与客户端的网络拓扑距离近的排序靠前。
3、DistributedFileSystem将FSDataInputStream输入流返回到客户端以供其读取数据。 FSDataInputStream类是DFSInputStream类的包装。
4、客户端在FSDataInputStream输入流上调用read()方法。然后，已存储DataNode地址的 DFSInputStream连接到文件中第一个块的最近的DataNode。数据从DataNode流回客户端，结果客户端 可以在流上重复调用read()。
5、当该块结束时，DFSInputStream将关闭与DataNode的连接，然后寻找下一个块的最佳datanode。这 些操作对用户来说是透明的。所以用户感觉起来它一直在读取一个连续的流。
客户端从流中读取数据时，也会根据需要询问NameNode来检索下一批数据块的DataNode位置信息。
6、一旦客户端完成读取，就对FSDataInputStream调用close()方法。
HDFS写流程
1、HDFS客户端创建FileSystem对象实例DistributedFileSystem， FileSystem封装了与文件系统操作的相 关方法。
2、调用DistributedFileSystem对象的create()方法，通过RPC请求NameNode创建文件。
NameNode执行各种检查判断:目标文件是否存在、父目录是否存在、客户端是否具有创建该文件的权限。 检查通过，NameNode就会为本次请求记下一条记录，返回FSDataOutputStream输出流对象给客户端用 于写数据。
3、客户端通过FSDataOutputStream开始写入数据。FSDataOutputStream是DFSOutputStream包装类。 4、客户端写入数据时，DFSOutputStream将数据分成一个个数据包(packet 默认64k),并写入一个内部 数据队列(data queue)。
DFSOutputStream有一个内部类做DataStreamer，用于请求NameNode挑选出适合存储数据副本的一组 DataNode，默认是3副本存储。DataStreamer将数据包流式传输到pipeline的第一个DataNode,该 DataNode存储数据包并将它发送到pipeline的第二个DataNode。同样，第二个DataNode存储数据包并且 发送给第三个(也是最后一个)DataNode。
5、DFSOutputStream也维护着一个内部数据包队列来等待DataNode的收到确认回执，称之为确认队列 (ack queue),收到pipeline中所有DataNode确认信息后，该数据包才会从确认队列删除。
6、客户端完成数据写入后，在FSDataOutputStream输出流上调用close()方法关闭。
7、DistributedFileSystem联系NameNode告知其文件写入完成，等待NameNode确认。
因为namenode已经知道文件由哪些块组成(DataStream请求分配数据块)，因此仅需等待最小复制块即 可成功返回。最小复制是由参数dfs.namenode.replication.min指定，默认是1.
