“ 這篇文章，我們來聊一聊在十億級的大資料量技術挑戰下，世界上最優秀的大資料系統之一的Hadoop是如何將系統效能提升數十倍的？
如果對Hadoop這個大資料系統一點了解都沒有，可以先看之前的一篇文章快速入個門：兄弟，用大白話告訴你小白都能看懂的Hadoop架構原理
首先一起來畫個圖，回顧一下Hadoop HDFS中的超大資料檔案上傳的原理。
其實說出來也很簡單，比如有個十億資料量級的超大資料檔案，可能都達到TB級了，此時這個檔案實在是太大了。
此時，HDFS客戶端會給拆成很多block，一個block就128MB。
這個HDFS客戶端你可以理解為是雲盤系統、日誌採集系統之類的東西，比如有人上傳一個1TB的大檔案到網盤，或者是上傳個1TB的大日誌檔案。
然後HDFS客戶端把一個一個的block上傳到第一個DataNode，第一個DataNode會把這個block複製一份，做一個副本傳送給第二個DataNode，然後第二個DataNode傳送一個block副本到第三個DataNode。
所以你會發現，一個block有3個副本，分佈在三臺機器上。任何一臺機器當機，資料是不會丟失的。
然後一個TB級大檔案就被拆散成了N多個MB級的小檔案存放在很多臺機器上了，這不就是分散式儲存麼？
今天要討論的問題，就是那個HDFS客戶端上傳TB級大檔案的時候，到底是怎麼上傳呢？
如果用一個比較原始的方式來上傳，我們大概能想到的是下面這個圖裡的樣子。
其實很簡單，無非就是不停的從本地磁碟檔案用輸入流讀取資料，然後讀到一點，就立馬通過網路的輸出流寫到DataNode裡去。
參見上圖，對檔案的輸入流最多就是個FileInputStream，對DataNode的輸出流，最多就是個Socket返回的OutputStream，然後中間找一個小的記憶體byte[]陣列，進行流對考就行了。從本地檔案讀一點資料，就給DataNode發一點資料。
但是如果真是這麼弄，效能真是極其的低下了，網路通訊講究的是適當頻率，每次batch批量傳送，你得讀一大批資料，通過網路通訊發一批資料。不能讀一點點資料，就立馬來一次網路通訊，就發出去這一點點的資料。
如果按照上面這種原始的方式，絕對會導致網路通訊效率極其低下，大檔案上傳效能很差。相當於你可能剛讀出來幾百個位元組的資料，立馬就寫網路，卡頓個比如幾百毫秒，然後再讀下一批幾百個位元組的資料，再寫網路卡頓個幾百毫秒，這個效能很差，幾乎在工業級的大規模分散式系統中，是無法容忍的。
Hadoop中的大檔案上傳如何優化效能？我們來看看下面那張圖。
你需要自己建立一個針對本地TB級磁碟檔案的輸入流，然後讀到資料之後立馬寫入HDFS提供的FSDataOutputStream輸出流。
這個FSDataOutputStream輸出流在幹啥呢？他會天真的立馬把資料通過網路傳輸寫給DataNode嗎？
答案當然是否定的！這麼幹的話，不就跟之前的那種方式一樣了！
1、Chunk緩衝機制
首先，資料會被寫入一個chunk緩衝陣列，這個chunk是一個512位元組大小的資料片段，你可以這麼來理解。
然後這個緩衝陣列可以容納多個chunk大小的資料在裡面緩衝。光是這個緩衝，首先就可以讓客戶端快速的寫入資料了，不至於說幾百位元組就要進行一次網路傳輸，對吧？
2、Packet資料包機制
接著，當chunk緩衝陣列都寫滿了之後，就會把這個chunk緩衝陣列進行一下chunk切割，切割為一個一個的chunk，一個chunk是一個資料片段。然後多個chunk會直接一次性寫入另外一個記憶體緩衝資料結構，就是Packet資料包。
一個Packet資料包，設計為可以容納127個chunk，大小大致為64mb。所以說大量的chunk會不斷的寫入Packet資料包的記憶體緩衝中。通過這個Packet資料包機制的設計，又可以在記憶體中容納大量的資料，進一步避免了頻繁的網路傳輸影響效能。
3、記憶體佇列非同步傳送機制
當一個Packet被塞滿了chunk之後，就會將這個Packet放入一個記憶體佇列來進行排隊，然後有一個DataStreamer執行緒會不斷的獲取佇列中的Packet資料包，通過網路傳輸直接寫一個Packet資料包給DataNode。
如果一個Block預設是128mb的話，那麼一個Block預設會對應兩個Packet資料包，每個Packet資料包是64MB。
也就是說傳送兩個Packet資料包DataNode之後，就會發一個通知說，一個Block的資料都傳輸完畢，那DataNode就知道自己收到了一個Block了，包含了人家傳送過來的兩個Packet資料包。
總結：
ok，大家看完了上面的那個圖以及hadoop採取的大檔案上傳機制，是不是感覺設計的很巧妙？
工業級的大規模分散式系統，都不會採取特別簡單的程式碼和模式，那樣效能很低下。這裡都有大量的併發優化、網路IO優化、記憶體優化、磁碟讀寫優化的架構設計、生產方案在裡面。
所以大家觀察上面那個圖，hdfs客戶端可以快速的將tb級大檔案的資料讀出來，然後快速的交給hdfs的輸出流寫入記憶體，基於記憶體裡的chunk緩衝機制、packet資料包機制、記憶體佇列非同步傳送機制，絕對不會有任何網路傳輸的卡頓，導致大檔案的上傳速度變慢。反而通過上述幾種機制，可以大幅度提升一個TB級大檔案的上傳效能。
END
歡迎長按下圖關注公眾號：石杉的架構筆記！
公眾號後臺回覆資料，獲取作者獨家祕製學習資料
石杉的架構筆記，BAT架構經驗傾囊相授
