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15天，点击查看活动详情
⭐️前面的话⭐️
✉️坚持和努力一定能换来诗与远方！
💭推荐书籍：📚《王道408》，📚《深入理解 Java 虚拟机-周志明》，📚《Java 核心技术卷》
💬算法刷题：✅力扣🌐牛客网
🎈Github
🎈码云Gitee
8 读写流程（面试重点）
8.1HDFS 写数据流程
刨析文件写入
- （1）客户端通过 Distributed FileSystem 模块向 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）客户端通过 FSDataOutputStream 模块请求 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）。
网络拓扑-节点距离计算
机架感知（副本存储节点选择）
8.2HDFS 读数据流程
9 NameNode 和 SecondaryNameNode
10 DataNode
10.1DataNode工作机制
-
一个数据块在 DataNode 上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。
-
DataNode 启动后向 NameNode 注册，通过后，周期性（6小时）的向NameNode上报所有的块信息。
- DN向NN汇报当前解读信息的时间间隔，默认6小时
<property> <name>dfs.blockreport.intervalMsec</name> <value>21600000</value> <description>Determines block reporting interval in milliseconds.</description> </property>- DN扫描自己节点块信息列表的时间，默认6小时
<property> <name>dfs.datanode.directoryscan.interval</name> <value>21600s</value> <description>Interval in seconds for Datanode to scan data directories and reconcile the difference between blocks in memory and on the disk. Support multiple time unit suffix(case insensitive), as described in dfs.heartbeat.interval. </description> </property> -
心跳是每 3秒一次，心跳返回结果带有 NameNode给该 DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过 10分钟没有收到某个 DataNode的心跳，则认为该节点不可用。
-
集群运行中可以安全加入和退出一些机器。
10.2数据完整性
-
DataNode 节点保证数据完整性的方法。
- （1）当 DataNode 读取 Block 的时候，它会计算 CheckSum。
- （2）如果计算后的CheckSum，与 Block创建时值不一样，说明 Block已经损坏。
- （3）Client 读取其他 DataNode上的 Block。
- （4）常见的校验算法 crc（32），md5（128），sha1（160）
- （5）DataNode 在其文件创建后周期验证 CheckSum。
