读写流程剖析

引子

为啥需要HDFS?

因为一个物理总结机的仓储已经hold不住我们特大的多寡集。

HDFS的性状是怎么?

HDFS以流式数据访问情势来储存超大文件,运行于商用硬件集群上

1.重特大文件:数量级MB、GB、TB等

2.流式数据访问格局:以块为单位举办读写。四回写入、多次读取。

3.高数量吞吐量,时间推迟不低

4.不可以储存大量小文件:namenode的内存中蕴藏HDFS中文件元信息,每个元信息大约占150B,由此HDFS能储存的文本总数受限于namenode的内存大小。

5.不帮忙多用户写入:HDFS中的文件只有一个writer

6.不可以随随便便修改文件:写操作是充实情势


HDFS读写流程剖析

本文为 《Hadoop The Definitive Guide 4th
Edition》的读书笔记(或者叫翻译),仅限互换使用, 转载请讲明出处。

基础概念

剖析读流程

下面这么些图片 3-2 总结性的叙述了读文件时客户端与 HDFS 中的 namenode,
datanode 之间的数目流动。

图片 1

从HDFS中读取数据

客户端首先通过在 FileSystem 上调用 open() 方法打开它想要打开的公文, 对于
HDFS 来说, 就是在 DistributedFileSystem 的实例上调用(第1步)。 之后
DistributedFileSystem 就采纳 remote procedure call(RPCs)去呼叫
namenode,去查证组成文件的前多少个块的职务(第2步)。对于每一个块,namenode
重临拥有块拷贝的 datanode 的地方。幸运的是,那些 datanode
会遵照与客户端的好像度来排序(接近度是遵守集群网络中的拓扑结构来测算的,前边会说到)。如若客户端节点自己就是一个
datanode,而且该节点的胃部里存了一个块的正片,客户端就一直从地方datanode 读取块。

DistributedFileSystem 再次来到一个 FSDataInputStream(协助文件 seek
的输入流)给客户端,客户端就能从流中读取数据了。 FSDataInputStream
中封装了一个管理了 datanode 与 namenode I/O 的 DFSInputStream。

然后客户端就调用 read() 方法(第3步)。 存储了文本的前多少个块的地址的
DFSInputStream,就会连续存储了第一个块的首先个(最近的) datanode。 然后
DFSInputStream 就透过重新调用 read() 方法,数据就从 datanode
流动到了客户端(第4步)。当 该 datanode 中末了一个块的读取完成了,
DFSInputStream 会关闭与 datanode
的连天,然后为下一块寻找最佳节点(第5步)。这些过程对客户端的话是晶莹的,在客户端这边看来,就像是只读取了一个接连不停的流。

块是按顺序读的,通过 DFSInputStream 在 datanode
上开辟新的连接去作为客户端读取的流。他也将会呼叫 namenode
来拿到下一批所急需的块所在的 datanode 的职务(注意刚才说的只是从 namenode
获取前多少个块的)。当客户端完成了读取,就在 FSDataInputStream 上调用
close() 方法结束所有流程。

在读取过程中, 如若 FSDataInputStream 在和一个 datanode
举办交流时出现了一个谬误,他就去试一试下一个最接近的块,他本来也会铭记刚才暴发错误的
datanode 以至于之后不会再在这一个 datanode 上进展没必要的尝尝。
DFSInputStream 也会在 datanode
上传输出的数量上查处检查数(checknums).即使破坏的块被发觉了,DFSInputStream
就准备从另一个兼有备份的 datanode 中去读取备份块中的数据。

在这么些设计中一个第一的下边就是客户端直接从 datanode 上寻找数据,并经过
namenode 指引来博取每一个块的最佳 datanode。这种规划允许 HDFS
扩充大量的并发客户端,因为数量传输只是集群上的拥有 datanode
展开的。期间,namenode
仅仅只需要劳务于获取块地方的请求(块地方音信是存放在在内存中,所以效用很高)。如果不这样设计,随着客户端数据量的滋长,数据服务就会神速变成一个瓶颈。

集群上的拓扑结构

我们精通,相对于客户端(之后就是 mapreduce task
了),块的职务有以下可能:

  • 在客户端所在节点上(0,也就是本地化的)
  • 和客户端不在同一个节点上,但在同一个机架上(2)。
  • 和客户端不在同一个机架上,然而在同一个数目核心里(4)。
  • 不畏与客户端不在一个多少主题(6)。

HDFS ( datanode? namenode?这里自己也不亮堂是什么人来形成这多少个排序)
就是依照地方的四种可能性来对节点举行类似度总计。他们的分值分别为
0,2,4,6:

图片 2

图片 3-3

数据块

用作独立的存储单元,读写最小单位。默认64MB,可在hdfs-site.xml中自定义。

块要比磁盘块(512B)大得多,是因为最小化寻址开销。磁盘传输数据耗时>定位这多少个块初步地方的耗时。但是块不可能安装过大,是因为MR任务中,map任务通常四回拍卖一个块,假设块数量少,则并行map任务就少,job运行速度较慢。

再说说……

· 文件所有的块分布式存储在挨家挨户datanode上,

· 小于一个块默认大小的公文,不会占据整个块的空中。

浅析写流程

写流程的图如下:

图片 3

image

第一客户端通过在 DistributedFileSystem 上调用 create()方法(第1步)来成立一个文件。 DistributedFileSystem 使用 RPC 呼叫 namenode
,让他
在文件系统的命名空间上创办一个一直不与另外块提到的新文件(第2步), namenode
会执行各样各种的检查以确认文件在此以前是不设有的,并肯定客户端是不是富有创制文件的权力。如若检查通过。
namenode
就会为新文件生成一条记下;否则,文件成立就会失利,客户端会抛出一个
IOException。 成功之后,DistributedFileSystem 会再次回到一个
FSDataOutputStream
给客户端以让她最先写多少。和读流程中同样,FSDataOutputStream 包装了一个
DFSOutputStream,他理解了与 datanode 与 namenode 的关系。

当客户端起来写多少(第3步),DFSOutputStream
将文件分割成很多很小的数目,然后将各样小块放进一个个包(数据包,包中除了数据还有描述数据用的标识)中,
包们会写进一个名为多少队列(data quence)的里边队列。数据队列被
DataStreamr 消费,他顶住要求 namenode 去挑选出适合储存块备份的 datanode
的一个列表(注意,这里是文本的一个块,而不是一体文件)。这么些列表会结合一个
pipeline(管线),这里假定备份数为3,所以在 pipeline 中就会有五个 datanode
, DataStreamer 将可以整合块的的包先流入 pipeline 中的第一个 datanode
,第一个 datanode 会先存储来到的包,然后继续将持有的包转交到 pipeline
中的第二个 datanode 中。相似的,第二个 datande
也会蕴藏这个包,并将他们传递给 pipeline 中的第六个(最后一个) datanode
(第4步)。

数码的流淌的法门应该还有三种,第一种就是率先个 datanode
拿到所有的多寡包后并写入后,才将数据包往下传递;第二种就是假如数据包写入成功就一向传给下一个
datanode,这种可能性最大。不影响全局,具体是哪个种类待确认。注意这里的写入就是写入到磁盘里。

DFSOutputStream
也会珍贵一个包们的内部队列,其中也会有所有的数据包,该队列等待
datanode们 的写入确认,所以称为确认队列(ack quence)。当一个包已经被
pipeline 中的所有 datanode 确认了写如磁盘成功,这多少个包才会从
确认队列中移除(第5步)。如若在任何一个 datanode
在写入数据的时候失利了,接下去所做的成套对客户端都是晶莹的:首先,
pipeline
被关门,在确认队列中的剩下的包会被添加进数据队列的序曲地方上,以至于在挫折的节点下游的任
何节点都不会丢掉任何的包。

此地有些问题,就是多少包写数据时的多少队列的事态,是向来不变,写入了再移除,依旧一度清空了。按照下面的传教,失利了就将剩余的还未写入的数量包添加(应该是拷贝)回数据队列,数据队列“一贯不变”和“写入了再移除数据包”不就会并发重复了。而清空的话,应该是失误了后来才清空。这这样怎么不用数据队列作为确认队列,当发现都写入成功了,就将包从队首移除?
这些也待确认。

然后与 namenode 联系后,当前在一个好的 datanode 会联系 namenode,
给失利节点上还未写完的块生成一个新的标识ID, 以至于假使这些失败的
datanode 不久后复原了,这么些不完整的块将会被剔除。

战败节点会从 pipeline 中移除,然后剩下多少个好的 datanode 会组成一个的新的
pipeline ,剩下的 这些块的包(也就是刚刚放在数据队列队首的包)会持续写进
pipeline 中好的 datanode 中。

说到底,namenode
注意到块备份数小于规定的备份数,他就部署在另一个节点上开创完成备份,直接从已有些块中复制就可以。然后直接到满足了备份数(dfs.replication)。

要是有三个节点的写入失利了,假诺满足了细微备份数的设置(dfs.namenode.repliction.min),写入也将会中标,然后剩下的备份会被集群异步的推行备份,直到满意了备份数(dfs.replication)。

当客户端完成了数量写入,会在流上调用 close() 方法(第6步)。
那一个行为会将所有盈余的包刷新(flush)进 datanode
中,然后等待确认信息达到后,客户端就联络 namenode
告诉她文件数量现已放好了(第七步)。namenode
也直接知道文书被分成了怎么块(因为在头里是 DataStreamer
请求了块分配),所以现在在成功往日,只需要等待块满足最低限度的备份(因为刚刚提到的败诉)。

namenode和datanode

namenode管理文件系统的命名空间和各样文件中相继块所在的数额节点信息。命名空间是HDFS的文件系统树以及树内所有目录和文件,以fsimage和editlog文件永远保存在地头磁盘上。块的储存信息在内存中,系统启动时由datanode上报。

datanode是HDFS的办事节点,负责储存并查找数据块,定期向namenode发送它们所蕴藏的块的列表。

关于配置:

dfs.replication默认3,一个数码块存3份,HDFS会自动备份到3个不同的datanode上。


End!!

HDFS读写流程

读文件

【一句话版本】namenode告知客户端数据的块地方,让客户端联系datanode流式检索数据。

利益:
namenode内存存储块索引信息,相应快;block分散在集群拥有节点上,以便HDFS可扩展大量并发客户端。

瓶颈:随客户端数量增长,namenode的I\O成为瓶颈。

1.
【概括版】客户端调用DistributedFileSystem对象的open()方法,RPC调用namenode的GetBlockLocations()方法,namenode重返存有该公文所有block音信,包括其副本所在的所有datanode地址

【细节版】客户端调用DistributedFileSystem.open(Path f, int
bufferSize),open()函数中new了一个DFSInputStream对象;在DFSInputStream的构造函数中,openInfo()函数被调用,其重要从namenode中取得要开辟的文件所对应的blocks的消息,通过callGetBlockLocations()实现,要旨代码如下:

// openInfo():

LocatedBlocks newInfo = callGetBlockLocations(namenode, src, 0,
prefetchSize);

//callGetBlockLocations()少校发起一个RPC调用,重回 LocatedBlocks
对象

namenode.getBlockLocations(src, start, length);

LocatedBlocks 是一个链表,List<LocatedBlock>
blocks,其中每个元素包含以下信息:

Block b:此block的信息

long offset:此block在文书中的偏移量

DatanodeInfo[] locs:此block位于哪些DataNode上

2.
namenode收纳到请求后,将拓展一多重操作。RPC调用NameNode.getBlockLocations(),里面再调用namesystem.getBlockLocations(getClientMachine(),
src, offset, length);

namesystem封存着namenode上的命名空间树,具体是一个INode链表,INode有二种子类:INodeFile和INodeDirectory。其中,INodeFile有成员变量BlockInfo
blocks[],是此文件包含的block的信息。

getBlockLocations()具体步骤:1) 得到此文件的block音讯; 2)
从offset起先,长度为length所涉嫌的blocks; 3)
找到各个block对应的、健康的datanode机器。重返LocatedBlocks对象。

3~5.
回到客户端,在DFSInputStream的构造函数通过RPC收到一串block音信(即LocatedBlocks对象)之后,DFSInputStream读取文件起初块的datanode地址,随即与相距目前的datanode建立Socket连接和读入流,客户端反复调用FSDataInputStream的read()读取block信息

e.g.对于64M一个block的文件系统来说,欲读取从100M(offset)起先,长度为128M(length)的多少,则block列表包括第2,3,4块block。第2号block从36MB开头读取28MB,第3号block从0MB起初读取64MB….

抵达block末端,DFSInputStream关闭与该datanode的连日,寻找下一个block的顶级datanode。

6.到达文件末端时,客户端对FSDataInputStream调用close()方法。

再说说…

相见读败北,1)
DFSInputStream和datanode的连年发生错误时,从离开次近的datanode读取,并将该节点记入“故障节点列表”,以防反复从该节点读。2)读取到一个磨损的block,先通告namenode,再从其他datanode读取该块的另一个副本。

写文件

【一句话版本】客户端向namenode申请创造文件,namenode分配datanode,客户端通过pipeline情势写多少,全体确认正常写入后通报namenode。

1.客户端通过调用DistributedFileSystem对象的create()方法,该方法生成一个FSDataOutputStream用于向新转变的公文中写入数据,其成员变量dfs的品类为DFSClient,DFSClient的create()函数中回到一个DFSOutputStream对象。在DFSOutputStream的构造函数中,做了两件重要的业务:一是经过RPC调用NameNode的create()来成立一个文书;二是streamer.start(),即起步了一个pipeline,用于写多少。

//以下为客户端调用的create                                           
                                      public FSDataOutputStream
create(Path f, FsPermission permission,
boolean overwrite, int
bufferSize, short replication, long blockSize,
Progressable
progress) throws IOException {
return new
FSDataOutputStream(dfs.create(getPathName(f), permission,

overwrite, replication, blockSize, progress, bufferSize),
statistics);  }

  1. namenode
    先在命名空间(在磁盘)中反省文件是否存在以及客户端是不是有权力,再新建一个新文件的元音信到fsimage
    中,就是命名空间,此时从未有过其余块与之相应。

3~5.
客户端调用DFSOutputStream对象的write()方法写多少。遵照HDFS的计划性,对block的数据写入使用的是pipeline的主意,也就要数据分为一个个的package,假诺急需复制三分,分别写入DataNode
1, 2, 3,则会举办如下的长河:

    1) 成立写入流,RPC调用namenode为文件分配block,
并设置block对应的DataNode。

    2) 将block分成若干个chunk(512B),每N个chunk +
校验值形成一个package。package进入dataQueue

    3) 客户端将DataNode 2、3信息和 package 1写入DataNode 1,package
1从dataQueue移至ackQueue,等待确认。

    4) 由DataNode 1负责将DataNode3信息和package1写入DataNode
2,同时客户端可以将pacage 2写入DataNode 1。package
2从dataQueue移至ackQueue,等待确认。

    5) DataNode 2负责将package 1写入DataNode 3, 同时客户端可以将package
3写入DataNode 1,DataNode 1将package 2写入DataNode 2。package
3从dataQueue移至ackQueue,等待确认。

就这样将一个个package排着队的传递下去,直到所有的多少总体写入并复制完毕并且都收到到ACK确认包。

6~7.写完所有块之后,断开与DataNode 1的连天,客户端通告namenode,完成。

再说说….

遭遇写退步,DataNode1故障时,1)关闭pipeline,2)把ackQueue中的所有数据包添加到dataQueue的头顶,
3)为DataNode2中当前block指定一个新标识,公告namenode,以便DataNode1苏醒后去除本block的残缺数据,4)将故障DataNode1从pipeline中删除,然后继续将剩余数量包写入正常节点。异步完成本block的副本复制。

至于“文件一致性”:在文件创制后,写完前,正在写入的block是读取不到的(e.g.读文件内容、获取文件大小)。除非调用HDFS的sync()方法强制所有缓存与数码节点同步。

参考著作:

《Hadoop- The Definitive Guide, 4th Edition》

Hadoop学习总括之二:HDFS读写过程解析

相关文章