日期:2014-05-16  浏览次数:20491 次

解析HDFS读文件

下图描述了在文件读过程中,client、NameNode和DataNode三者之间是如何互动的。

?

\">

?

1.? client调用get方法得到HDFS文件系统的一个实例(DistributedFileSystem)。然后调用它的open方法。

?

2.? DistributedFileSystem通过RPC远程调用NameNode决定文件文件的block的位置信息。对于每一个 bolck,NameNode返回block所在的DataNode(包括副本)的地址。DistributedFileSystem返回 FSDataInputStream给client用来读数据。FSDataInputStream封装了DFSInputStream用于管理 NameNode和DataNode的IO。

?

3.? client调用FSDataInputStream的read方法。

?

4.? DFSInputStream保存了block块所在的DataNode的地址信息。DFSInputStream连接第一个block的DataNode,read block数据,传回给client。

?

5.? 当第一个block读完,DFSInputStream关掉与这个DataNode的连接。然后开始第二个block。

?

6.? 当client读结束,调用FSDataInputStream的close方法。

?

在读的过程中,如果client和一个datanode通讯时出错,他会连接副本所在的datanode。这种client直接连接 datanode读取数据的设计方法使HDFS可以同时相应很多client的同时并发。因为数据流量均匀的分布在所有的datanode 上,NameNode只负责block的位置信息请求。

?

原文:http://www.hadoop.so/hadoop/2012/0808/14.html

?