首頁Python+大數(shù)據(jù)技術(shù)文章正文

大數(shù)據(jù)培訓(xùn)：HDFS讀數(shù)據(jù)流程

更新時間:2022年07月12日14時15分來源:傳智教育瀏覽次數(shù):

好口碑IT培訓(xùn)

　　之前我們講過客戶端向HDFS寫數(shù)據(jù)的流程，接下來學(xué)習(xí)客戶端從HDFS中讀數(shù)據(jù)的流程，如圖3-9所示。

HDFS讀數(shù)據(jù)流程

　　圖3-9 HDFS讀數(shù)據(jù)的流程

　　從圖3-9可以看出，HDFS中的讀數(shù)據(jù)流程可以分為4個步驟，具體如下：

　　(1)客戶端向NameNode發(fā)起RPC請求，來獲取請求文件Block數(shù)據(jù)塊所在的位置。

　　(2)NameNode檢測元數(shù)據(jù)文件，會視情況返回部分Block塊信息或者全部Block塊信息，對于每個Block塊，NameNode都會返回含有該Block副本的DataNode地址。

　　(3)客戶端會選取排序靠前的DataNode來依次讀取Block塊(如果客戶端本身就是DataNode，那么將從本地直接獲取數(shù)據(jù))，每一個Block都會進(jìn)行CheckSum(完整性驗證)，若文件不完整，則客戶端會繼續(xù)向NameNode獲取下一批的Block列表，直到驗證讀取出來文件是完整的，則Block讀取完畢。

　　(4)客戶端會把最終讀取出來所有的Block塊合并成一個完整的最終文件(如1.txt)。

　　小提示：NameNode返回的DataNode地址，會按照集群拓?fù)浣Y(jié)構(gòu)得出DataNode與客戶端的距離，然后進(jìn)行排序。排序有兩個規(guī)則：網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中距離客戶端近的則靠前;心跳機(jī)制中超時匯報的DataNode狀態(tài)為無效的，則排靠后。

上一篇：關(guān)系型數(shù)據(jù)庫與非關(guān)系型數(shù)據(jù)庫的區(qū)別 下一篇：大數(shù)據(jù)培訓(xùn)：HDFS的Java API操作