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