HDFS寫文件過程分析

參考：

　　HDFS寫文件過程分析http://shiyanjun.cn/archives/942.html

　　HDFS的工作流程分析https://blog.csdn.net/z66261123/article/details/51194204

　　簡單搞定hdfs讀寫流程https://blog.csdn.net/github_36444580/article/details/77840481

　　Hadoop核心-HDFS讀寫流程https://yq.aliyun.com/articles/325428

 

HDFS的工作機制概述

• HDFS集群分為兩大角色：NameNode、DataNode
• NameNode負責管理整個文件系統的元數據
• DataNode 負責管理用戶的文件數據塊
• 文件會按照固定的大小（blocksize）切成若干塊后分布式存儲在若干台datanode上
• 每一個文件塊可以有多個副本，並存放在不同的datanode上
• Datanode會定期向Namenode匯報自身所保存的文件block信息，而namenode則會負責保持文件的副本數量
• HDFS的內部工作機制對客戶端保持透明，客戶端請求訪問HDFS都是通過向namenode申請來進行

HDFS寫文件過程分析

　　HDFS是一個分布式文件系統，在HDFS上寫文件的過程與我們平時使用的單機文件系統非常不同，從宏觀上來看，在HDFS文件系統上創建並寫一個文件，流程如下圖（來自《Hadoop：The Definitive Guide》一書）所示：

　　

　　

具體過程描述如下：

1. Client調用DistributedFileSystem對象的create方法，創建一個文件輸出流（FSDataOutputStream）對象
2. 通過DistributedFileSystem對象與Hadoop集群的NameNode進行一次RPC遠程調用，在HDFS的Namespace中創建一個文件條目（Entry），該條目沒有任何的Block
3. 通過FSDataOutputStream對象，向DataNode寫入數據，數據首先被寫入FSDataOutputStream對象內部的Buffer中，然后數據被分割成一個個Packet數據包
4. 以Packet最小單位，基於Socket連接發送到按特定算法選擇的HDFS集群中一組DataNode（正常是3個，可能大於等於1）中的一個節點上，在這組DataNode組成的Pipeline上依次傳輸Packet
5. 這組DataNode組成的Pipeline反方向上，發送ack，最終由Pipeline中第一個DataNode節點將Pipeline ack發送給Client
6. 完成向文件寫入數據，Client在文件輸出流（FSDataOutputStream）對象上調用close方法，關閉流
7. 調用DistributedFileSystem對象的complete方法，通知NameNode文件寫入成功

更詳細的流程：

1. client發起文件上傳請求,通過RPC與NameNode建立連接,NameNode檢查目標文件是否已經存在,父目錄是否存在,並檢查用戶是否有相應的權限,若檢查通過,會為該文件創建一個新的記錄,否則的話文件創建失敗,客戶端得到異常信息
2. client通過請求NameNode,第一個block應該傳輸到哪些DataNode服務器上
3. NameNode根據配置文件中指定的備份(replica)數量及機架感知原理進行文件分配,返回可用的DataNode的地址 以三台DataNode為例:A B C。注: Hadoop在設計時考慮到數據的安全與高效,數據文件默認在HDFS上存放三份,存儲策略為:第一個備份放在客戶端相同的datanode上(若客戶端在集群外運行,就隨機選取一個datanode來存放第一個replica),第二個replica放在與第一個replica不同機架的一個隨機datanode上,第三個replica放在與第二個replica相同機架的隨機datanode上,如果replica數大於三,則隨后的replica在集群中隨機存放,Hadoop會盡量避免過多的replica存放在同一個機架上.選取replica存放在同一個機架上.(Hadoop 1.x以后允許replica是可插拔的,意思是說可以定制自己需要的replica分配策略)
4. client請求3台的DataNode的一台A上傳數據,(本質是一個RPC調用,建立pipeline),A收到請求會繼續調用B,然后B調用C,將整個pipeline建立完成后,逐級返回client
5. client開始往A上傳第一個block(先從磁盤讀取數據放到一個本地內存緩存),以packet為單位(默認 64K),A收到一個packet就會傳給B,B傳遞給C;A每傳一個packet會放入一個應答隊列等待應答。注: 如果某個datanode在寫數據的時候宕掉了下面這些對用戶透明的步驟會被執行:數據被分割成一個個packet數據包在pipeline上一次傳輸,在pipeline反方向上,逐個發送ack(命令正確應答),最終由pipeline中第一個DataNode節點A將pipeline ack發送給client
   1. 管道線關閉,所有確認隊列上的數據會被挪到數據隊列的首部重新發送,這樣也就確保管道線中宕掉的datanode下流的datanode不會因為宕掉的datanode而丟失數據包
   2. 在還在正常運行datanode上的當前block上做一個標志,這樣當宕掉的datanode重新啟動以后namenode就會知道該datanode上哪個block是剛才宕機殘留下的局部損壞block,從而把他刪除掉
   3. 已經宕掉的datanode從管道線中被移除,未寫完的block的其他數據繼續唄寫入到其他兩個還在正常運行的datanode中,namenode知道這個block還處在under-replicated狀態(即備份數不足的狀態)下,然后它會安排一個新的replica從而達到要求的備份數,后續的block寫入方法同前面正常時候一樣
   4. 有可能管道線中的多個datanode宕掉(一般這種情況很少),但只要dfs.relication.min(默認值為1)個replica被創建,我么就認為該創建成功了,剩余的relica會在以后異步創建以達到指定的replica數
7. 當一個block傳輸完成后,client再次發送請求NameNode上傳第二個block到服務器

機架感知（副本節點選擇）：

1. 第一個副本在client所處的節點上。如果客戶端在集群外，隨機選一個
2. 第二個副本和第一個副本位於相同機架，隨機節點。
3. 第三個副本位於不同機架，隨機節點

　　

 

下面代碼使用Hadoop的API來實現向HDFS的文件寫入數據，同樣也包括創建一個文件和寫數據兩個主要過程，代碼如下所示：

static String[] contents = new String[] {
     "aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa",
     "bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb",
     "cccccccccccccccccccccccccccccccccccccccccccccccccccccccccc",
     "dddddddddddddddddddddddddddddddd",
     "eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee",
};
 
public static void main(String[] args) {
     String file = "hdfs://h1:8020/data/test/test.log";
   Path path = new Path(file);
   Configuration conf = new Configuration();
   FileSystem fs = null;
   FSDataOutputStream output = null;
   try {
          fs = path.getFileSystem(conf);
          output = fs.create(path); // 創建文件
          for(String line : contents) { // 寫入數據
               output.write(line.getBytes("UTF-8"));
               output.flush();
          }
     } catch (IOException e) {
          e.printStackTrace();
     } finally {
          try {
               output.close();
          } catch (IOException e) {
               e.printStackTrace();
          }
     }
}

結合上面的示例代碼，我們先從fs.create(path);開始，可以看到FileSystem的實現DistributedFileSystem中給出了最終返回FSDataOutputStream對象的抽象邏輯，代碼如下所示：

public FSDataOutputStream create(Path f, FsPermission permission,
  boolean overwrite,
  int bufferSize, short replication, long blockSize,
  Progressable progress) throws IOException {
 
  statistics.incrementWriteOps(1);
  return new FSDataOutputStream
     (dfs.create(getPathName(f), permission, overwrite, true, replication, blockSize, progress, bufferSize), statistics);
}

上面，DFSClient dfs的create方法中創建了一個OutputStream對象，在DFSClient的create方法：

 public OutputStream create(String src,
                             FsPermission permission,
                             boolean overwrite,
                             boolean createParent,
                             short replication,
                             long blockSize,
                             Progressable progress,
                             int buffersize
                             ) throws IOException {
   ... ...
}

創建了一個DFSOutputStream對象，如下所示：

final DFSOutputStream result = new DFSOutputStream(src, masked,
    overwrite, createParent, replication, blockSize, progress, buffersize,
    conf.getInt("io.bytes.per.checksum", 512));

下面，我們從DFSOutputStream類開始，說明其內部實現原理。

DFSOutputStream內部原理

　　打開一個DFSOutputStream流，Client會寫數據到流內部的一個緩沖區中，然后數據被分解成多個Packet，每個Packet大小為64k字節，每個Packet又由一組chunk和這組chunk對應的checksum數據組成，默認chunk大小為512字節，每個checksum是對512字節數據計算的校驗和數據。

　　當Client寫入的字節流數據達到一個Packet的長度，這個Packet會被構建出來，然后會被放到隊列dataQueue中，接着DataStreamer線程會不斷地從dataQueue隊列中取出Packet，發送到復制Pipeline中的第一個DataNode上，並將該Packet從dataQueue隊列中移到ackQueue隊列中。

　　ResponseProcessor線程接收從Datanode發送過來的ack，如果是一個成功的ack，表示復制Pipeline中的所有Datanode都已經接收到這個Packet，ResponseProcessor線程將packet從隊列ackQueue中刪除。

　　在發送過程中，如果發生錯誤，所有未完成的Packet都會從ackQueue隊列中移除掉，然后重新創建一個新的Pipeline，排除掉出錯的那些DataNode節點，接着DataStreamer線程繼續從dataQueue隊列中發送Packet。

　　下面是DFSOutputStream的結構及其原理，如圖所示：

　　

　　我們從下面3個方面來描述內部流程：

• 創建Packet，Client寫數據時，會將字節流數據緩存到內部的緩沖區中，當長度滿足一個Chunk大小（512B）時，便會創建一個Packet對象，然后向該Packet對象中寫Chunk Checksum校驗和數據，以及實際數據塊Chunk Data，校驗和數據是基於實際數據塊計算得到的。每次滿足一個Chunk大小時，都會向Packet中寫上述數據內容，直到達到一個Packet對象大小（64K），就會將該Packet對象放入到dataQueue隊列中，等待DataStreamer線程取出並發送到DataNode節點。
• 發送Packet，DataStreamer線程從dataQueue隊列中取出Packet對象，放到ackQueue隊列中，然后向DataNode節點發送這個Packet對象所對應的數據
• 接收ack，發送一個Packet數據包以后，會有一個用來接收ack的ResponseProcessor線程，如果收到成功的ack，則表示一個Packet發送成功。如果成功，則ResponseProcessor線程會將ackQueue隊列中對應的Packet刪除

 

DFSOutputStream初始化

首先看一下，DFSOutputStream的初始化過程，構造方法如下所示：

    DFSOutputStream(String src, FsPermission masked, boolean overwrite,
        boolean createParent, short replication, long blockSize, Progressable progress,
        int buffersize, int bytesPerChecksum) throws IOException {
      this(src, blockSize, progress, bytesPerChecksum, replication);
 
      computePacketChunkSize(writePacketSize, bytesPerChecksum); // 默認 writePacketSize=64*1024（即64K），bytesPerChecksum=512（沒512個字節計算一個校驗和）,
 
      try {
        if (createParent) { // createParent為true表示，如果待創建的文件的父級目錄不存在，則自動創建
          namenode.create(src, masked, clientName, overwrite, replication, blockSize);
        } else {
          namenode.create(src, masked, clientName, overwrite, false, replication, blockSize);
        }
      } catch(RemoteException re) {
        throw re.unwrapRemoteException(AccessControlException.class,
                                       FileAlreadyExistsException.class,
                                       FileNotFoundException.class,
                                       NSQuotaExceededException.class,
                                       DSQuotaExceededException.class);
      }
      streamer.start(); // 啟動一個DataStreamer線程，用來將寫入的字節流打包成packet，然后發送到對應的Datanode節點上
    }
上面computePacketChunkSize方法計算了一個packet的相關參數，我們結合代碼來查看，如下所示：
      int chunkSize = csize + checksum.getChecksumSize();
      int n = DataNode.PKT_HEADER_LEN + SIZE_OF_INTEGER;
      chunksPerPacket = Math.max((psize - n + chunkSize-1)/chunkSize, 1);
      packetSize = n + chunkSize*chunksPerPacket;

我們用默認的參數值替換上面的參數，得到：

int chunkSize = 512 + 4;
int n = 21 + 4;
chunksPerPacket = Math.max((64*1024 - 25 + 516-1)/516, 1);  // 127
packetSize = 25 + 516*127;

上面對應的參數，說明如下表所示：

參數名稱	參數值	參數含義
chunkSize	512+4=516	每個chunk的字節數（數據+校驗和）
csize	512	每個chunk數據的字節數
psize	64*1024	每個packet的最大字節數（不包含header）
DataNode.PKT_HEADER_LEN	21	每個packet的header的字節數
chunksPerPacket	127	組成每個packet的chunk的個數
packetSize	25+516*127=65557	每個packet的字節數（一個header+一組chunk）

在計算好一個packet相關的參數以后，調用create方法與Namenode進行RPC請求，請求創建文件：

if (createParent) { // createParent為true表示，如果待創建的文件的父級目錄不存在，則自動創建
  namenode.create(src, masked, clientName, overwrite, replication, blockSize);
} else {
  namenode.create(src, masked, clientName, overwrite, false, replication, blockSize);
}

遠程調用上面方法，會在FSNamesystem中創建對應的文件路徑，並初始化與該創建的文件相關的一些信息，如租約（向Datanode節點寫數據的憑據）。文件在FSNamesystem中創建成功，就要初始化並啟動一個DataStreamer線程，用來向Datanode寫數據，后面我們詳細說明具體處理邏輯。

Packet結構與定義

Client向HDFS寫數據，數據會被組裝成Packet，然后發送到Datanode節點。Packet分為兩類，一類是實際數據包，另一類是heatbeat包。一個Packet數據包的組成結構，如圖所示：

上圖中，一個Packet是由Header和Data兩部分組成，其中Header部分包含了一個Packet的概要屬性信息，如下表所示：

字段名稱	字段類型	字段長度	字段含義
pktLen	int	4	4 + dataLen + checksumLen
offsetInBlock	long	8	Packet在Block中偏移量
seqNo	long	8	Packet序列號，在同一個Block唯一
lastPacketInBlock	boolean	1	是否是一個Block的最后一個Packet
dataLen	int	4	dataPos – dataStart，不包含Header和Checksum的長度

Data部分是一個Packet的實際數據部分，主要包括一個4字節校驗和（Checksum）與一個Chunk部分，Chunk部分最大為512字節。

在構建一個Packet的過程中，首先將字節流數據寫入一個buffer緩沖區中，也就是從偏移量為25的位置（checksumStart）開始寫Packet數據的Chunk Checksum部分，從偏移量為533的位置（dataStart）開始寫Packet數據的Chunk Data部分，直到一個Packet創建完成為止。如果一個Packet的大小未能達到最大長度，也就是上圖對應的緩沖區中，Chunk Checksum與Chunk Data之間還保留了一段未被寫過的緩沖區位置，這種情況說明，已經在寫一個文件的最后一個Block的最后一個Packet。在發送這個Packet之前，會檢查Chunksum與Chunk Data之間的緩沖區是否為空白緩沖區（gap），如果有則將Chunk Data部分向前移動，使得Chunk Data 1與Chunk Checksum N相鄰，然后才會被發送到DataNode節點。

我們看一下Packet對應的Packet類定義，定義了如下一些字段：

ByteBuffer buffer;           // only one of buf and buffer is non-null
byte[]  buf;
long    seqno;               // sequencenumber of buffer in block
long    offsetInBlock;       // 該packet在block中的偏移量
boolean lastPacketInBlock;   // is this the last packet in block?
int     numChunks;           // number of chunks currently in packet
int     maxChunks;           // 一個packet中包含的chunk的個數
int     dataStart;
int     dataPos;
int     checksumStart;
int     checksumPos;

Packet類有一個默認的沒有參數的構造方法，它是用來做heatbeat的，如下所示：

Packet() {
  this.lastPacketInBlock = false;
  this.numChunks = 0;
  this.offsetInBlock = 0;
  this.seqno = HEART_BEAT_SEQNO; // 值為-1
 
  buffer = null;
  int packetSize = DataNode.PKT_HEADER_LEN + SIZE_OF_INTEGER; // 21+4=25
  buf = new byte[packetSize];
 
  checksumStart = dataStart = packetSize;
  checksumPos = checksumStart;
  dataPos = dataStart;
  maxChunks = 0;
}

通過代碼可以看到，一個heatbeat的內容，實際上只有一個長度為25字節的header數據。通過this.seqno = HEART_BEAT_SEQNO;的值可以判斷一個packet是否是heatbeat包，如果seqno為-1表示這是一個heatbeat包。

Client發送Packet數據

可以DFSClient類中看到，發送一個Packet之前，首先需要向選定的DataNode發送一個Header數據包，表明要向DataNode寫數據，該Header的數據結構，如圖所示：

上圖顯示的是Client發送Packet到第一個DataNode節點的Header數據結構，主要包括待發送的Packet所在的Block（先向NameNode分配Block ID等信息）的相關信息、Pipeline中另外2個DataNode的信息、訪問令牌（Access Token）和校驗和信息，Header中各個字段及其類型，詳見下表：

字段名稱	字段類型	字段長度	字段含義
Transfer Version	short	2	Client與DataNode之間數據傳輸版本號，由常量DataTransferProtocol.DATA_TRANSFER_VERSION定義，值為17
OP	int	4	操作類型，由常量DataTransferProtocol.OP_WRITE_BLOCK定義，值為80
blkId	long	8	Block的ID值，由NameNode分配
GS	long	8	時間戳（Generation Stamp），NameNode分配blkId的時候生成的時間戳
DNCnt	int	4	DataNode復制Pipeline中DataNode節點的數量
Recovery Flag	boolean	1	Recover標志
Client	Text		Client主機的名稱，在使用Text進行序列化的時候，實際包含長度len與主機名稱字符串ClientHost
srcNode	boolean	1	是否發送src node的信息，默認值為false，不發送src node的信息
nonSrcDNCnt	int	4	由Client寫的該Header數據，該數不包含Pipeline中第一個節點（即為DNCnt-1）
DN2	DatanodeInfo		DataNode信息，包括StorageID、InfoPort、IpcPort、capacity、DfsUsed、remaining、LastUpdate、XceiverCount、Location、HostName、AdminState
DN3	DatanodeInfo		DataNode信息，包括StorageID、InfoPort、IpcPort、capacity、DfsUsed、remaining、LastUpdate、XceiverCount、Location、HostName、AdminState
Access Token	Token		訪問令牌信息，包括IdentifierLength、Identifier、PwdLength、Pwd、KindLength、Kind、ServiceLength、Service
CheckSum Header	DataChecksum	1+4	校驗和Header信息，包括type、bytesPerChecksum

Header數據包發送成功，Client會收到一個成功響應碼（DataTransferProtocol.OP_STATUS_SUCCESS = 0），接着將Packet數據發送到Pipeline中第一個DataNode上，如下所示：

Packet one = null;
one = dataQueue.getFirst(); // regular data packet
ByteBuffer buf = one.getBuffer();
// write out data to remote datanode
blockStream.write(buf.array(), buf.position(), buf.remaining());
 
if (one.lastPacketInBlock) { // 如果是Block中的最后一個Packet，還要寫入一個0標識該Block已經寫入完成
    blockStream.writeInt(0); // indicate end-of-block
}

否則，如果失敗，則會與NameNode進行RPC調用，刪除該Block，並把該Pipeline中第一個DataNode加入到excludedNodes列表中，代碼如下所示：

if (!success) {
  LOG.info("Abandoning " + block);
  namenode.abandonBlock(block, src, clientName);
 
  if (errorIndex < nodes.length) {
    LOG.info("Excluding datanode " + nodes[errorIndex]);
    excludedNodes.add(nodes[errorIndex]);
  }
 
  // Connection failed.  Let's wait a little bit and retry
  retry = true;
}

 

DataNode端服務組件

數據最終會發送到DataNode節點上，在一個DataNode上，數據在各個組件之間流動，流程如下圖所示：

DataNode服務中創建一個后台線程DataXceiverServer，它是一個SocketServer，用來接收來自Client（或者DataNode Pipeline中的非最后一個DataNode節點）的寫數據請求，然后在DataXceiverServer中將連接過來的Socket直接派發給一個獨立的后台線程DataXceiver進行處理。所以，Client寫數據時連接一個DataNode Pipeline的結構，實際流程如圖所示：

每個DataNode服務中的DataXceiver后台線程接收到來自前一個節點（Client/DataNode）的Socket連接，首先讀取Header數據：

Block block = new Block(in.readLong(), dataXceiverServer.estimateBlockSize, in.readLong());
LOG.info("Receiving " + block + " src: " + remoteAddress + " dest: " + localAddress);
int pipelineSize = in.readInt(); // num of datanodes in entire pipeline
boolean isRecovery = in.readBoolean(); // is this part of recovery?
String client = Text.readString(in); // working on behalf of this client
boolean hasSrcDataNode = in.readBoolean(); // is src node info present
if (hasSrcDataNode) {
  srcDataNode = new DatanodeInfo();
  srcDataNode.readFields(in);
}
int numTargets = in.readInt();
if (numTargets < 0) {
  throw new IOException("Mislabelled incoming datastream.");
}
DatanodeInfo targets[] = new DatanodeInfo[numTargets];
for (int i = 0; i < targets.length; i++) {
  DatanodeInfo tmp = new DatanodeInfo();
  tmp.readFields(in);
  targets[i] = tmp;
}
Token<BlockTokenIdentifier> accessToken = new Token<BlockTokenIdentifier>();
accessToken.readFields(in);

上面代碼中，讀取Header的數據，與前一個Client/DataNode寫入Header字段的順序相對應，不再累述。在完成讀取Header數據后，當前DataNode會首先將Header數據再發送到Pipeline中下一個DataNode結點，當然該DataNode肯定不是Pipeline中最后一個DataNode節點。接着，該DataNode會接收來自前一個Client/DataNode節點發送的Packet數據，接收Packet數據的邏輯實際上在BlockReceiver中完成，包括將來自前一個Client/DataNode節點發送的Packet數據寫入本地磁盤。在BlockReceiver中，首先會將接收到的Packet數據發送寫入到Pipeline中下一個DataNode節點，然后再將接收到的數據寫入到本地磁盤的Block文件中。

DataNode持久化Packet數據

在DataNode節點的BlockReceiver中進行Packet數據的持久化，一個Packet是一個Block中一個數據分組，我們首先看一下，一個Block在持久化到磁盤上的物理存儲結構，如下圖所示：

每個Block文件（如上圖中blk_1084013198文件）都對應一個meta文件（如上圖中blk_1084013198_10273532.meta文件），Block文件是一個一個Chunk的二進制數據（每個Chunk的大小是512字節），而meta文件是與每一個Chunk對應的Checksum數據，是序列化形式存儲。

 

寫文件過程中Client/DataNode與NameNode進行RPC調用

Client在HDFS文件系統中寫文件過程中，會發生多次與NameNode節點進行RPC調用來完成寫數據相關操作，主要是在如下時機進行RPC調用：

• 寫文件開始時創建文件：Client調用create在NameNode節點的Namespace中創建一個標識該文件的條目
• 在Client連接Pipeline中第一個DataNode節點之前，Client調用addBlock分配一個Block（blkId+DataNode列表+租約）
• 如果與Pipeline中第一個DataNode節點連接失敗，Client調用abandonBlock放棄一個已經分配的Block
• 一個Block已經寫入到DataNode節點磁盤，Client調用fsync讓NameNode持久化Block的位置信息數據
• 文件寫完以后，Client調用complete方法通知NameNode寫入文件成功
• DataNode節點接收到並成功持久化一個Block的數據后，DataNode調用blockReceived方法通知NameNode已經接收到Block