hadoop组件HDFS

HDFS里面的几个组件，分别有哪些功能和作用？

1. Namenode:主角色,负责和客户端进行沟通.
2. Datanode:从角色,负责存储数据
3. Secondary namenode:秘书,服务器数据的收集，将信息传递给namenode
4. 注：Namenode宕机时集群会通过选举机制（standby）重新选取新Namenode，Secondary namenode自始至终都无法替代Namenode

HDFS是Hadoop生态下的分布式文件系统，基于Linux本地文件系统上的文件系统。HDFS的工作流程如下：

HDFS客户端向NameNode发送请求，获取文件或目录的元数据信息。

NameNode返回元数据信息给客户端。

客户端根据元数据信息在本地文件中查找数据块。

数据块被分成多个数据块块，每个数据块块都被复制到不同的机器上。

当客户端需要读取数据时，NameNode会返回数据块块的地址给客户端。

HDFS数据写入

（1）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。

（2）NameNode返回是否可以上传。

（3）客户端请求第一个 Block上传到哪几个DataNode服务器上。

（4）NameNode返回DataNode节点。

（5）客户端通过FSDataOutputStream模块请求第一个节点上传数据，第一个节点收到请求会继续调用第二个节点，然后第二个节点调用点三个节点，将这个通信管道建立完成。

（6）dn1、dn2、dn3逐级应答客户端。

（7）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。

（8）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）。

HDFS数据读取

（1）客户端通过DistributedFileSystem(分布式文件系统)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。

（2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。

（3）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）。

（4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。