Hadoop 写文件_hadoop写文件

1.客户端将文件写入本地磁盘的HDFS Client 文件中

2. 当临时文件大小达到一个block 大小时，HDFS client 通知NameNode，申请写入文件

3. NameNode 在HDFS 的文件系统中创建一个文件，并把该block id和要写入·的DataNode的列表返回给客户端

4 客户端收到这些信息后，将临时文件写入DataNodes

4.1 客户端将文件内容写入第一个DataNode(一般以4kb 为单位进行传输)

4.2 第一个DataNode接收后，将数据写入本地磁盘，同时也传输给第二个DataNode

4.3 依次类推到最后一个DataNode接收完数据后，数据在DataNode 之间是通过pipline 的方式进行复制的

4.4 后面的dataNode 接收完数据后，都会发送一个确认给前一个DataNode，最终第一个DataNode返回确认给客户端。、

4.5 当客户端接收到整个block的确认后，会向NameNode 发送一个最终的确认信息。

4.6. 如果写入某个DataNode失败，数据会继续写入其他的DataNode,然后NameNode 会找另外一个好的DataNode 继续复制，以保证冗余性。

4.7 每个block 都会有一个校验码，并存放到独立的文件中，以便读的时候来验证其完整性。

5. 数据写完后(客户端关闭），NameNode 提交文件。

Back aware(机架感知）

通过配置文件指定机架名和DNS的对应关系

假设复制参数是3，在写入文件时，会在本地的机架保存一份数据，然后在另外一个机架内保存两份数据（同机架内的传输速度快，从而提高性能）

整个HDFS 的集群，最好是负载平衡的，这样才能尽量利用集群的优势。