HDFS存入文件的整个流程

本文结合HDFS的副本和分块从宏观上描述HDFS存入文件的整个流程。HDFS体系中包含Client、NameNode、DataNode、SeconderyNameode四个角色，其中Client是客户端，NN负责管理，DN负责存储、SN协助管理。

网站建设哪家好，找成都创新互联公司！专注于网页设计、网站建设、微信开发、成都微信小程序、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了逊克免费建站欢迎大家使用！

先来看一个官网上的图

# 图 0 -HDFS的体系结构

HDFS的副本存储有如下规则：

1.client将第一副本放到最靠近的一台DN

2.第二副本优先放到另一个机架

3.以此类推，尽量保证副本放在不同的机架

由于副本和分块机制的存在，当从本地文件系统向HDFS上传文件时，其内部的流程相对比较复杂，可以通过下图及步骤说明进行理解。

# 图 1-1 -hdfs副本存储机制（3副本）

A.对于可存于单块的小文件：

1.client向NN（NameNode）发起存储请求，

2.NN查找自身是否已有相应的文件，

3.若无则，NN向client返回DN1（DataNode）路径，

4.client向DN1传送副本，

5.DN1通过管道异步向DN2传副本，

6.DN2通过管道异步向DN3传副本，

7.DN3通知DN2接收完成，

8.DN2通知DN1接收完成，

9.DN1通知NN接收完成。

B.对于需要分块的大文件：

大致流程同上，但在步骤3NN还会进行块的划分，随后步骤4client会将各块分别发送到分配的DN执行步骤4~9

从前述可见，在向HDFS传输文件的过程中，NameNode节点至关重要。NN负责掌管元数据。其作用相当于物理硬盘中的文件分配表FAT，NN中的数据如果发生丢失，DN中存储的数据也就没有了意义。

# 图 1-2 -NN元数据存储机制

1.client向NN请求写，

2.NN将分配block写入editslog文件，

3.NN响应client，

4.client向DN写文件，

5.client通知NN写完成，

6.NN将editslog更新到内存。

ps：常用及最新元数据放在内存，最新元数据放editslog，老元数据放fsimage，editslog写满之前将edits log（新元数据）转换并合并到fsimage。

# 图 1-3 -edits log合并机制

当editslog写满：

1.NN通知SecondryNameNode执行checkpoint操作，

2.NN停止向已满editslog写入，

3.NN创建新edits log维持写入，

4.SN下载NN的fsimage和已满editslog，

5.SN执行合并生成fsimage。checkpoint，

6.SN向NN上传fsi。cp，

7.NN将fsi。cp改名fsimage，

8.NN删除已满editslog。

# 图3 -元数据格式：文件全路径，副本数，块编号，块-所在DN的映射。

睿江云官网链接：https://www.eflycloud.com/home?from=RJ0035