非常详细HDFS读写流程+完美视觉的HDFS读写流程图

一、写数据流程：

1. 客户端（Client通过java虚拟机）向NameNode请求上传文件（内部过程：客户端通过对 DistributedFileSystem 对象调用create()函数来创建文件），参数：路径/a.txt，块规格，副本数。
2. NameNode检查目标文件是否已存在，父目录是否存在。做出响应返回是否可以上传。过程：1、namenode 执行各种不同的检查以确保这个文件不存在，并且客户端有创建该文件的权限。2、检查通过后， namenode就会为创建新文件记录一条记录并向客户端返回一个FSDataOutputStream 对象；否则，文件创建失败并向客户端抛出一个 IOException 异常。
3. 客户端（Client）请求第一个 Block上传到哪几个DataNode服务器上。过程： FSDataOutputStream 封装一个 DFSoutPutstream 对象，该对象负责处理 datanode 和 namenode 之间的通信，将它分成一个个的数据包，并写入dataqueue。
4. NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。
5. 客户端（Client）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。过程：DataStreamer 处理数据队列，它的责任是根据datanode 列表来要求 NameNode 分配适合的新块来存储数据备份。这一组DataNode 构成一个管线一一假设复本数为 3，所以管线中有 3 个节点。
6. dn1、dn2、dn3逐级应答客户端。dn3响应dn2建立连接, dn2响应dn1建立连接,dn1响应客户端（Client）建立连接。
7. 客户端（Client）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。过程：DataStreamer 将数据包流式传输到管线中第 1 个DataNode（dn1），该 DataNode（dn1） 存储数据包并将它发送到管线中的第 2 个 DataNode（dn2）。同样地，第 2 个 DataNode（dn2） 存储该数据包并且发送给管线中的第3个DataNode（dn3）DFSOutputStream 也维护着一个内部数据包队列来等待 DataNode 的收到确认回执，称为“确认队列”(ack queue)。当收到管道中所有 DataNode 确认信息后，该数据包才会从确认队列删除。
8. 当一个Block传输完成之后，客户端（Client）再次请求NameNode上传第二个Block的服务器，直到文件写完。（重复执行3-7步）。
9. 整个过程中，NameNode一直都在记录元数据（内存中、记操作日志到edits日志文件中）。

二、读数据流程：

1. 客户端（Client）通过DistributedFileSystem向NameNode请求下载文件，NameNode通过查询元数据（包含块id、块大小、块偏移量，块存储位置dn1,2,3），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（Client）（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（Client）以Packet为单位接收，先在本地缓存，然后写入目标文件。
5. 第一块读取完毕，如果还需要读，客户端（Client）重复2-4步骤。