HDFS－Architecture剖析

1.概述

　　从HDFS的应用层面来看，我们可以非常容易的使用其API来操作HDFS，实现目录的创建、删除，文件的上传下载、删除、追加（Hadoop2.x版本以后开始支持）等功能。然而仅仅局限与代码层面是不够的，了解其实现的具体细节和过程是很有必要的，本文笔者给大家从以下几个方面进行剖析：

• Create
• Delete
• Read
• Write
• Heartbeat

　　下面开始今天的内容分享。

2.Create

　　在HDFS上实现文件的创建，该过程并不复杂，Client到NameNode的相关操作，如：修改文件名，创建文件目录或是子目录等，而这些操作只涉及Client和NameNode的交互，过程如下图所示：

　　我们很熟悉，在我们使用Java 的API去操作HDFS时，我们会在Client端通过调用HDFS的FileSystem实例，去完成相应的功能，这里我们不讨论FileSystem和DistributedFileSystem和关系，留在以后在阅读这部分源码的时候在去细说。而我们知道，在使用API实现创建这一功能时是非常方便的，代码如下所示：

public static void mkdir(String remotePath) throws IOException {
    FileSystem fs = FileSystem.get(conf);
    Path path = new Path(remotePath);
    fs.create(path);
    fs.close();
}

　　在代码层面上，我们只需要获取操作HDFS的实例即可，调用其创建方法去实现目录的创建。但是，其中的实现细节和相关步骤，我们是需要清楚的。在我们使用HDFS的FileSystem实例时，DistributedFileSystem对象会通过IPC协议调用NameNode上的mkdir()方法，让NameNode执行具体的创建操作，在其指定的位置上创建新的目录，同时记录该操作并持久化操作记录到日志当中，待方法执行成功后，mkdir()会返回true表示创建成功来结束创建过程。在此期间，Client和NameNode不需要和DataNode进行数据交互。

3.Delete

　　在执行创建的过程当中不涉及DataNode的数据交互，而在执行一些较为复杂的操作时，如删除，读、写操作时，需要DataNode来配合完成对应的工作。下面以删除HDFS的文件为突破口，来给大家展开介绍。删除流程图如下所示：

　　在使用API操作删除功能时，我使用以下代码，输入要删除的目录地址，然后就发现HDFS上我们所指定的删除目录就被删除了，而然其中的删除细节和过程却并不一定清楚，删除代码如下所示：

public static void rmr(String remotePath) throws IOException {
    FileSystem fs = FileSystem.get(conf);
    Path path = new Path(remotePath);
    boolean status = fs.delete(path, true);
    LOG.info("Del status is [" + status + "]");
    fs.close();
}

　　通过阅读这部分删除的API实现代码，代码很简单，调用删除的方法即可完成删除功能。但它是如何完成删除的，下面就为大家这剖析一下这部分内容。

　　在NameNode执行delete()方法时，它只是标记即将要删除的Block（操作删除的相关记录是被记录并持久化到日志当中的，后续的相关HDFS操作都会有此记录，便不再提醒），NameNode是被动服务的，它不会主动去联系保存这些数据的Block的DataNode来立即执行删除。而我们可以从上图中发现，在DataNode向NameNode发送心跳时，在心跳的响应中，NameNode会通过DataNodeCommand来命令DataNode执行删除操作，去删除对应的Block。而在删除时，需要注意，整个过程当中，NameNode不会主动去向DataNode发送IPC调用，DataNode需要完成数据删除，都是通过DataNode发送心跳得到NameNode的响应，获取DataNodeCommand的执行命令。

4.Read

　　在读取HDFS上的文件时，Client、NameNode以及DataNode都会相互关联。按照一定的顺序来实现读取这一过程，读取过程如下图所示：

　　通过上图，读取HDFS上的文件的流程可以清晰的知道，Client通过实例打开文件，找到HDFS集群的具体信息（我们需要操作的是ClusterA，还是ClusterB，需要让Client端知道），这里会创建一个输入流，这个输入流是连接DataNode的桥梁，相关数据的读取Client都是使用这个输入流来完成的，而在输入流创建时，其构造函数中会通过一个方法来获取NameNode中DataNode的ID和Block的位置信息。Client在拿到DataNode的ID和Block位置信息后，通过输入流去读取数据，读取规则按照“就近原则”，即：和最近的DataNode建立联系，Client反复调用read方法，并将读取的数据返回到Client端，在达到Block的末端时，输入流会关闭和该DataNode的连接，通过向NameNode获取下一个DataNode的ID和Block的位置信息（若对象中为缓存Block的位置信息，会触发此步骤，否则略过）。然后拿到DataNode的ID和Block的位置信息后，在此连接最佳的DataNode，通过此DataNode的读数据接口，来获取数据。

　　另外，每次通过向NameNode回去Block信息并非一次性获取所有的Block信息，需得多次通过输入流向NameNode请求，来获取下一组Block得位置信息。然而这一过程对于Client端来说是透明的，它并不关系是一次获取还是多次获取Block的位置信息，Client端在完成数据的读取任务后，会通过输入流的close()方法来关闭输入流。

　　在读取的过程当中，有可能发生异常，如：节点掉电、网络异常等。出现这种情况，Client会尝试读取下一个Block的位置，同时，会标记该异常的DataNode节点，放弃对该异常节点的读取。另外，在读取数据的时候会校验数据的完整性，若出现校验错误，说明该数据的Block已损坏，已损坏的信息会上报给NameNode，同时，会从其他的DataNode节点读取相应的副本内容来完成数据的读取。Client端直接联系NameNode，由NameNode分配DataNode的读取ID和Block信息位置，NameNode不提供数据，它只处理Block的定位请求。这样，防止由于Client的并发数据量的迅速增加，导致NameNode成为系统“瓶颈”（磁盘IO问题）。

5.Write

　　HDFS的写文件过程较于创建、删除、读取等，它是比较复杂的一个过程。下面，笔者通过一个流程图来为大家剖析其中的细节，如下图所示：

　　Client端通过实例的create方法创建文件，同时实例创建输出流对象，并通过远程调用，通知NameNode执行创建命令，创建一个新文件，执行此命令需要进行各种校验，如NameNode是否处理Active状态，被创建的文件是否存在，Client创建目录的权限等，待这些校验都通过后，NameNode会创建一个新文件，完成整个此过程后，会通过实例将输出流返回给Client。

　　这里，我们需要明白，在向DataNode写数据的时候，Client需要知道它需要知道自身的数据要写往何处，在茫茫Cluster中，DataNode成百上千，写到DataNode的那个Block块下，是Client需要清楚的。在通过create创建一个空文件时，输出流会向NameNode申请Block的位置信息，在拿到新的Block位置信息和版本号后，输出流就可以联系DataNode节点，通过写数据流建立数据流管道，输出流中的数据被分成一个个文件包，并最终打包成数据包发往数据流管道，流经管道上的各个DataNode节点，并持久化。

　　Client在写数据的文件副本默认是3份，换言之，在HDFS集群上，共有3个DataNode节点会保存这份数据的3个副本，客户端在发送数据时，不是同时发往3个DataNode节点上写数据，而是将数据先发送到第一个DateNode节点，然后，第一个DataNode节点在本地保存数据，同时推送数据到第二个DataNode节点，依此类推，直到管道的最后一个DataNode节点，数据确认包由最后一个DataNode产生，并逆向回送给Client端，在沿途的DataNode节点在确认本地写入成功后，才会往自己的上游传递应答信息包。这样做的好处总结如下：

• 分摊写数据的流量：由每个DataNode节点分摊写数据过程的网络流量。
• 降低功耗：减小Client同时发送多份数据到DataNode节点造成的网络冲击。

　　另外，在写完一个Block后，DataNode节点会通过心跳上报自己的Block信息，并提交Block信息到NameNode保存。当Client端完成数据的写入之后，会调用close()方法关闭输出流，在关闭之后，Client端不会在往流中写数据，因而，在输出流都收到应答包后，就可以通知NameNode节点关闭文件，完成一次正常的写入流程。

　　在写数据的过程当中，也是有可能出现节点异常。然而这些异常信息对于Client端来说是透明的，Client端不会关心写数据失败后DataNode会采取哪些措施，但是，我们需要清楚它的处理细节。首先，在发生写数据异常后，数据流管道会被关闭，在已经发送到管道中的数据，但是还没有收到确认应答包文件，该部分数据被重新添加到数据流，这样保证了无论数据流管道的哪个节点发生异常，都不会造成数据丢失。而当前正常工作的DateNode节点会被赋予新的版本号，并通知NameNode。即使，在故障节点恢复后，上面只有部分数据的Block会因为Blcok的版本号与NameNode保存的版本号不一致而被删除。之后，在重新建立新的管道，并继续写数据到正常工作的DataNode节点，在文件关闭后，NameNode节点会检测Block的副本数是否达标，在未达标的情况下，会选择一个新的DataNode节点并复制其中的Block，创建新的副本。这里需要注意的是，DataNode节点出现异常，只会影响一个Block的写操作，后续的Block写入不会收到影响。

6.Heartbeat

　　前面说过，NameNode和DataNode之间数据交互，是通过DataNode节点向NameNode节点发送心跳来获取NameNode的操作指令。心跳发送之前，DataNode需要完成一些步骤之后，才能发送心跳，流程图如下所示：

　　从上图来看，首先需要向NameNode节点发送校验请求，检测是否NameNode节点和DataNode节点的HDFS版本是否一致（有可能NameNode的版本为2.6，DataNode的版本为2.7，所以第一步需要校验版本）。在版本校验结束后，需要向NameNode节点注册，这部分的作用是检测该DataNode节点是否属于NameNode节点管理的成员之一，换言之，ClusterA的DataNode节点不能直接注册到ClusterB的NameNode节点上，这样保证了整个系统的数据一致性。在完成注册后，DataNode节点会上报自己所管理的所有的Block信息到NameNode节点，帮助NameNode节点建立HDFS文件Block到DataNode节点映射关系（即保存Meta），在完成此流程之后，才会进入到心跳上报流程。

　　另外，如果NameNode节点长时间接收不到DataNode节点到心跳，它会认为该DataNode节点的状态处理Dead状态。如果NameNode有些命令需要DataNode配置操作（如：前面的删除指令），则会通过心跳后的DataNodeCommand这个返回值，让DataNode去执行相关指令。

7.总结

　　简而言之，关于HDFS的创建、删除、读取以及写入等流程，可以一言以蔽之，内容如下：

• Create：Client直接与NameNode交互，不涉及DataNode
• Delete：Client将删除指令存于NameNode，DataNode通过心跳获取NameNode的操作指令
• Read：Client通过NameNode获取读取数据的位置，找到DataNode节点对应的Block位置读取数据
• Write：Client通过NameNode后区写数据的位置，找到DataNode节点对应的Block位置进行写入

8.结束语

　　这篇博客就和大家分享到这里，如果大家在研究学习的过程当中有什么问题，可以加群进行讨论或发送邮件给我，我会尽我所能为您解答，与君共勉！