好程式設計師大資料學習路線分享HDFS讀流程

　　 1. 客戶端或者使用者透過呼叫 FileSystem 物件的 Open() 方法開啟需要讀取的檔案，這時就是 HDSF 分散式系統所獲取的一個物件

　　 2.FileSystem 透過遠端協議呼叫 NameNode 確定檔案的前幾個 Block 的位置，對於每一個 block,NameNode 返回一個含有 Block 的後設資料資訊，接下來 DataNode 按照上面定義的距離 (offSet 偏移量 ) 進行排序 , 如果 Client 本身即是一個 DataNode, 那麼就會優先從本地 DataNode 節點讀取資料 . HDFS 完成上面的工作之後返回一個 FSDatalnputStream 給客戶端 , 讓其從 FSDatalnputStream 中讀取。 FSDatalnputStream 包裝了一個類 DFSInputStream, 用來管理 DataNode 和 NameNode 的 I/O 操作。

　　 3.NameNode 向客戶端返回一個包含了資料資訊的地址 , 客戶端根據地址建立一個 FSDDatalnputStream 的物件開始進行資料的讀取

　　 4.FSDatalnputStream 根據開始存的前幾個 Block 的 DataNode 地址，連線到最近 DataNode 上對資料開始從頭讀取，客戶端會反覆呼叫 read() 方法，以流的形式讀取 DataNode 這中的資料

　　 5. 當讀取到 Block 的結尾的時候， FSDatalnputStream 會關閉當前 DataNode 的連線然後查詢能否讀取下一個 Block 的 DataNode 位置資訊 , 此時給客戶端產生的感覺就是資料是連續讀取的，也就說在讀取的時候開始查詢下一個塊所在的地址。讀取完成時需要使用 close() 方法關閉 FSDatalnputStream

　　 HDFS 寫流程：

　　 1.Client 透過呼叫 FileSystem 類的 Create() 方法請求建立檔案

　　 2.FileSystem 透過對 NameNode 發出遠端請求 , 在 NameNode 裡面建立一個新的檔案 , 但是此時並不關聯任何塊 ,NameNode 進行很多檢查來保證不存在要建立檔案已經在系統中 , 同時檢查是否有相當許可權來建立檔案，如果這些都檢查完了 , 那麼 NamdNode 會記錄下這個新檔案的資訊。 FileSystem 返回一個 FSDatalnputStream 給客戶端用來寫入資料， FSDatalnputStream 將包裝一個 DFsOutputStream 用於對 DataNode 和 NameNode 的通訊 , 一旦檔案建立失敗 , 會給客戶端返回一個 l0Exception 表示檔案建立失敗並停止任務

　　 3. 客戶端開始寫資料 FSDatalnputStream 把要寫的資料分成包的形式將其寫入到中間佇列中，其中的資料有 DataStramer 來讀取 ,DataStreamer 的職責就是讓 NameNode 分配一個新的塊透過查詢對應 DataNode 來存資料 , 來儲存的資料會被備份出一個副本 , 儲存到其他節點完成資料寫入即可

　　 4.FSDatalnputStream 維護了一個內部關於 packets 的佇列 , 裡面存放著等待被 DataNode 確認的資訊 , 一旦資料資訊寫入 DataNode 成功後 , 就會從佇列中移除

　　 5. 當資料完成寫入之後客戶會呼叫 close 方法 , 透過 NameNode 完成寫入之前透過一個方法 flush 將殘留資料一起寫進去。和 NameNode 確定寫入的位置資訊，並返回成功狀態。