不断关联，不断加入，不断迭代，不断应用
HDFS数据读写流程
HDFS写数据流程
- 客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
- NameNode返回是否可以上传。
- 客户端请求第一个 Block上传到哪几个DataNode服务器上。
- NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。
- 客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。
- dn1、dn2、dn3逐级应答客户端。
- 客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答。
- 当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）。
NameNode：可以理解为DataNode管理器
DataNode：存储块数据，默认128M为一块
网络拓扑-节点距离计算
在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。
不好理解的就是共同祖先啥意思，可以理解为上级节点，节点等级如下
【数据中心（集群d）---> 机架r ---> 具体节点n】
举个例子：计算节点d1/r1/n1到节点d1/r1/n2的节点距离
确认共同祖先为r1，节点n1到它的距离为1，节点n2到它的距离也为1，两者和为2
所以它们之间的节点距离就是2
机架感知
机架感知说明
其实机架感知听起来高大上，但可以理解为副本节点的位置的选择就行
HDFS读数据流程
- 客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
- 挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
- DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。
- 客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。
相关资料
本文配套GitHub：https://github.com/zhutiansama/FocusBigData