HDFS的基本原理有哪些-创新互联

创新互联www.cdcxhl.cn八线动态BGP香港云服务器提供商，新人活动买多久送多久，划算不套路！

HDFS的基本原理有哪些？相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

1、NameNode概述

NameNode是HDFS的核心，相信这一点大家都知道，所以NameNode也被称为Master。NameNode仅存储HDFS的元数据：文件系统中所有文件的目录树，并跟踪整个集群中的文件。NameNode不存储实际数据或数据集。数据本身实际存储在DataNodes中。NameNode知道HDFS中任何给定文件的块列表及其位置。使用此信息NameNode知道如何从块中构建文件。NameNode并不持久化存储每个文件中各个块所在的 DataNode 的位置信息，这些信息会在系统启动时从数据节点重建。NameNode对于HDFS至关重要，当NameNode关闭时，HDFS / Hadoop集群无法访问。总结一下，NameNode是Hadoop集群中的单点故障。NameNode所在机器通常会配置有大量内存（RAM）。

2、DataNode概述

DataNode负责将实际数据存储在HDFS中。DataNode也称为Slave。NameNode和DataNode会保持不断通信。DataNode启动时，它将自己发布到NameNode并汇报自己负责持有的块列表。当某个DataNode关闭时，它不会影响数据或群集的可用性。NameNode将安排由其他DataNode管理的块进行副本复制。DataNode所在机器通常配置有大量的硬盘空间。因为实际数据存储DataNode中。DataNode会定期向NameNode发送心跳，如果NameNode长时间没有接受到DataNode发送的心跳， NameNode就会认为该DataNode失效。block汇报时间间隔取参数dfs.blockreport.intervalMsec，参数未配置的话默认为6小时。

3、HDFS的工作机制

NameNode负责管理整个文件系统元数据；DataNode负责管理具体文件数据块存储；Secondary NameNode协助NameNode进行元数据的备份。HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向NameNode申请来进行。HDFS写数据流程和HDFS读数据流程总结如下：

（1）HDFS写数据流程

A．client发起文件上传请求，通过RPC与NameNode建立通讯，NameNode检查目标文件是否已存在，父目录是否存在，返回是否可以上传；

B．client请求第一个block该传输到哪些DataNode服务器上；

C．NameNode根据配置文件中指定的备份数量及副本放置策略进行文件分配，返回可用的DataNode的地址，如：A、B、C；

D．client请求3台DataNode中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将整个pipeline建立完成，后逐级返回client；

E．client开始往A上传第一个block，以packet为单位（默认64K），A收到一个packet就会传给 B，B 传给 C；A 每传一个packet会放入一个应答队列等待应答。

F．数据被分割成一个个packet数据包在pipeline上依次传输，在pipeline反方向上，逐个发送ack（命令正确应答），最终由pipeline中第一个DataNode节点A将pipeline ack发送给client;

G．当一个block传输完成之后，client再次请求NameNode上传第二个block到服务器。

（2）HDFS读数据流程

A、Client 向 NameNode 发起 RPC 请求，来确定请求文件 block 所在的位置；

B．NameNode 会视情况返回文件的部分或者全部block 列表，对于每个block，NameNode 都会返回含有该block副本的DataNode地址；

C．这些返回的DN地址，会按照集群拓扑结构得出 DataNode 与客户端的距离，然后进行排序，排序两个规则：网络拓扑结构中距离 Client 近的排靠前；心跳机制中超时汇报的DN 状态为STALE，这样的排靠后；

D．Client 选取排序靠前的DataNode来读取block，如果客户端本身就是DataNode，那么将从本地直接获取数据；

E．底层上本质是建立Socket  Stream（FSDataInputStream），重复的调用父类DataInputStream的read方法，直到这个块上的数据读取完毕；

F．当读完列表的block后，若文件读取还没有结束，客户端会继续向NameNode获取下一批的block列表；

G．读取完一个block都会进行checksum验证，如果读取DataNode时出现错误，客户端会通知 NameNode，然后再从下一个拥有该block副本的DataNode继续读。

H．read 方法是并行的读取block信息，不是一块一块的读取；NameNode只是返回Client 请求包含块的DataNode地址，并不是返回请求块的数据；

I．最终读取来所有的block会合并成一个完整的最终文件。

看完上述内容，你们掌握HDFS的基本原理有哪些的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联-成都网站建设公司行业资讯频道，感谢各位的阅读！