HDFS写文件过程分析

引自：http://shiyanjun.cn/archives/942.html
HDFS是一个分布式文件系统，在HDFS上写文件的过程与我们平时使用的单机文件系统非常不同，从宏观上来看，在HDFS文件系统上创建并写一个文件，流程如下图（来自《Hadoop：The Definitive Guide》一书）所示：


具体过程描述如下：

1. Client调用DistributedFileSystem对象的create方法，创建一个文件输出流（FSDataOutputStream）对象
2. 通过DistributedFileSystem对象与Hadoop集群的NameNode进行一次RPC远程调用，在HDFS的Namespace中创建一个文件条目（Entry），该条目没有任何的Block
3. 通过FSDataOutputStream对象，向DataNode写入数据，数据首先被写入FSDataOutputStream对象内部的Buffer中，然后数据被分割成一个个Packet数据包
4. 以Packet最小单位，基于Socket连接发送到按特定算法选择的HDFS集群中一组DataNode（正常是3个，可能大于等于1）中的一个节点上，在这组DataNode组成的Pipeline上依次传输Packet
5. 这组DataNode组成的Pipeline反方向上，发送ack，最终由Pipeline中第一个DataNode节点将Pipeline ack发送给Client
6. 完成向文件写入数据，Client在文件输出流（FSDataOutputStream）对象上调用close方法，关闭流
7. 调用DistributedFileSystem对象的complete方法，通知NameNode文件写入成功

下面代码使用Hadoop的API来实现向HDFS的文件写入数据，同样也包括创建一个文件和写数据两个主要过程，代码如下所示：

01	static String[] contents = new String[] {

02	"aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa",

03	"bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb",

04	"cccccccccccccccccccccccccccccccccccccccccccccccccccccccccc",

05	"dddddddddddddddddddddddddddddddd",

06	"eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee",

07

};

08

09	public static void main(String[] args) {

10	String file = "";

11	Path path = new Path(file);

12	Configuration conf = new Configuration();

13	FileSystem fs = null;

14	FSDataOutputStream output = null;

15

try {

16	fs = path.getFileSystem(conf);

17	output = fs.create(path); // 创建文件

18	for(String line : contents) { // 写入数据

19	output.write(line.getBytes("UTF-8"));

20	output.flush();

21

}

22	} catch (IOException e) {

23	e.printStackTrace();

24	} finally {

25

try {

26	output.close();

27	} catch (IOException e) {

28	e.printStackTrace();

29

}

30

}

31

}

结合上面的示例代码，我们先从fs.create(path);开始，可以看到FileSystem的实现DistributedFileSystem中给出了最终返回FSDataOutputStream对象的抽象逻辑，代码如下所示：

1	public FSDataOutputStream create(Path f, FsPermission permission,

2	boolean overwrite,

3	int bufferSize, short replication, long blockSize,

4	Progressable progress) throws IOException {

5

6	statistics.incrementWriteOps(1);

7	return new FSDataOutputStream

8	(dfs.create(getPathName(f), permission, overwrite, true, replication, blockSize, progress, bufferSize), statistics);

9

}

上面，DFSClient dfs的create方法中创建了一个OutputStream对象，在DFSClient的create方法：

01	public OutputStream create(String src,

02	FsPermission permission,

03	boolean overwrite,

04	boolean createParent,

05	short replication,

06	long blockSize,

07	Progressable progress,

08	int buffersize

09	) throws IOException {

10

... ...

11

}

创建了一个DFSOutputStream对象，如下所示：

1	final DFSOutputStream result = new DFSOutputStream(src, masked,

2	overwrite, createParent, replication, blockSize, progress, buffersize,

3	conf.getInt("io.bytes.per.checksum", 512));

下面，我们从DFSOutputStream类开始，说明其内部实现原理。

DFSOutputStream内部原理

打开一个DFSOutputStream流，Client会写数据到流内部的一个缓冲区中，然后数据被分解成多个Packet，每个Packet大小为64k字节，每个Packet又由一组chunk和这组chunk对应的checksum数据组成，默认chunk大小为512字节，每个checksum是对512字节数据计算的校验和数据。
当Client写入的字节流数据达到一个Packet的长度，这个Packet会被构建出来，然后会被放到队列dataQueue中，接着DataStreamer线程会不断地从dataQueue队列中取出Packet，发送到复制Pipeline中的第一个DataNode上，并将该Packet从dataQueue队列中移到ackQueue队列中。ResponseProcessor线程接收从Datanode发送过来的ack，如果是一个成功的ack，表示复制Pipeline中的所有Datanode都已经接收到这个Packet，ResponseProcessor线程将packet从队列ackQueue中删除。
在发送过程中，如果发生错误，所有未完成的Packet都会从ackQueue队列中移除掉，然后重新创建一个新的Pipeline，排除掉出错的那些DataNode节点，接着DataStreamer线程继续从dataQueue队列中发送Packet。
下面是DFSOutputStream的结构及其原理，如图所示：


我们从下面3个方面来描述内部流程：

• 创建Packet

Client写数据时，会将字节流数据缓存到内部的缓冲区中，当长度满足一个Chunk大小（512B）时，便会创建一个Packet对象，然后向该Packet对象中写Chunk Checksum校验和数据，以及实际数据块Chunk Data，校验和数据是基于实际数据块计算得到的。每次满足一个Chunk大小时，都会向Packet中写上述数据内容，直到达到一个Packet对象大小（64K），就会将该Packet对象放入到dataQueue队列中，等待DataStreamer线程取出并发送到DataNode节点。

• 发送Packet

DataStreamer线程从dataQueue队列中取出Packet对象，放到ackQueue队列中，然后向DataNode节点发送这个Packet对象所对应的数据。

• 接收ack

发送一个Packet数据包以后，会有一个用来接收ack的ResponseProcessor线程，如果收到成功的ack，则表示一个Packet发送成功。如果成功，则ResponseProcessor线程会将ackQueue队列中对应的Packet删除。

DFSOutputStream初始化

首先看一下，DFSOutputStream的初始化过程，构造方法如下所示：

01	DFSOutputStream(String src, FsPermission masked, boolean overwrite,

02	boolean createParent, short replication, long blockSize, Progressable progress,

03	int buffersize, int bytesPerChecksum) throws IOException {

04	this(src, blockSize, progress, bytesPerChecksum, replication);

05

06	computePacketChunkSize(writePacketSize, bytesPerChecksum); // 默认 writePacketSize=64*1024（即64K），bytesPerChecksum=512（没512个字节计算一个校验和）,

07

08

try {

09	if (createParent) { // createParent为true表示，如果待创建的文件的父级目录不存在，则自动创建

10	namenode.create(src, masked, clientName, overwrite, replication, blockSize);

11

} else {

12	namenode.create(src, masked, clientName, overwrite, false, replication, blockSize);

13

}

14	} catch(RemoteException re) {

15	throw re.unwrapRemoteException(AccessControlException.class,

16	FileAlreadyExistsException.class,

17	FileNotFoundException.class,

18	NSQuotaExceededException.class,

19	DSQuotaExceededException.class);

20

}

21	streamer.start(); // 启动一个DataStreamer线程，用来将写入的字节流打包成packet，然后发送到对应的Datanode节点上

22

}

23	上面computePacketChunkSize方法计算了一个packet的相关参数，我们结合代码来查看，如下所示：

24	int chunkSize = csize + checksum.getChecksumSize();

25	int n = DataNode.PKT_HEADER_LEN + SIZE_OF_INTEGER;

26	chunksPerPacket = Math.max((psize - n + chunkSize-1)/chunkSize, 1);

27	packetSize = n + chunkSize*chunksPerPacket;

我们用默认的参数值替换上面的参数，得到：

1	int chunkSize = 512 + 4;

2	int n = 21 + 4;

3	chunksPerPacket = Math.max((64*1024 - 25 + 516-1)/516, 1);  // 127

4	packetSize = 25 + 516*127;

上面对应的参数，说明如下表所示：

参数名称	参数值	参数含义
chunkSize	512+4=516	每个chunk的字节数（数据+校验和）
csize	512	每个chunk数据的字节数
psize	64*1024	每个packet的最大字节数（不包含header）
DataNode.PKT_HEADER_LEN	21	每个packet的header的字节数
chunksPerPacket	127	组成每个packet的chunk的个数
packetSize	25+516*127=65557	每个packet的字节数（一个header+一组chunk）

在计算好一个packet相关的参数以后，调用create方法与Namenode进行RPC请求，请求创建文件：

1	if (createParent) { // createParent为true表示，如果待创建的文件的父级目录不存在，则自动创建

2	namenode.create(src, masked, clientName, overwrite, replication, blockSize);

3

} else {

4	namenode.create(src, masked, clientName, overwrite, false, replication, blockSize);

5

}

远程调用上面方法，会在FSNamesystem中创建对应的文件路径，并初始化与该创建的文件相关的一些信息，如租约（向Datanode节点写数据的凭据）。文件在FSNamesystem中创建成功，就要初始化并启动一个DataStreamer线程，用来向Datanode写数据，后面我们详细说明具体处理逻辑。

Packet结构与定义

Client向HDFS写数据，数据会被组装成Packet，然后发送到Datanode节点。Packet分为两类，一类是实际数据包，另一类是heatbeat包。一个Packet数据包的组成结构，如图所示：


上图中，一个Packet是由Header和Data两部分组成，其中Header部分包含了一个Packet的概要属性信息，如下表所示：

字段名称	字段类型	字段长度	字段含义
pktLen	int	4	4 + dataLen + checksumLen
offsetInBlock	long	8	Packet在Block中偏移量
seqNo	long	8	Packet序列号，在同一个Block唯一
lastPacketInBlock	boolean	1	是否是一个Block的最后一个Packet
dataLen	int	4	dataPos – dataStart，不包含Header和Checksum的长度

Data部分是一个Packet的实际数据部分，主要包括一个4字节校验和（Checksum）与一个Chunk部分，Chunk部分最大为512字节。
在构建一个Packet的过程中，首先将字节流数据写入一个buffer缓冲区中，也就是从偏移量为25的位置（checksumStart）开始写Packet数据的Chunk Checksum部分，从偏移量为533的位置（dataStart）开始写Packet数据的Chunk Data部分，直到一个Packet创建完成为止。如果一个Packet的大小未能达到最大长度，也就是上图对应的缓冲区中，Chunk Checksum与Chunk Data之间还保留了一段未被写过的缓冲区位置，这种情况说明，已经在写一个文件的最后一个Block的最后一个Packet。在发送这个Packet之前，会检查Chunksum与Chunk Data之间的缓冲区是否为空白缓冲区（gap），如果有则将Chunk Data部分向前移动，使得Chunk Data 1与Chunk Checksum N相邻，然后才会被发送到DataNode节点。
我们看一下Packet对应的Packet类定义，定义了如下一些字段：

01	ByteBuffer buffer;           // only one of buf and buffer is non-null

02	byte[]  buf;

03	long    seqno;               // sequencenumber of buffer in block

04	long    offsetInBlock;       // 该packet在block中的偏移量

05	boolean lastPacketInBlock;   // is this the last packet in block?

06	int     numChunks;           // number of chunks currently in packet

07	int     maxChunks;           // 一个packet中包含的chunk的个数

08	int     dataStart;

09	int     dataPos;

10	int     checksumStart;

11	int     checksumPos;

Packet类有一个默认的没有参数的构造方法，它是用来做heatbeat的，如下所示：

01	Packet() {

02	this.lastPacketInBlock = false;

03	this.numChunks = 0;

04	this.offsetInBlock = 0;

05	this.seqno = HEART_BEAT_SEQNO; // 值为-1

06

07	buffer = null;

08	int packetSize = DataNode.PKT_HEADER_LEN + SIZE_OF_INTEGER; // 21+4=25

09	buf = new byte[packetSize];

10

11	checksumStart = dataStart = packetSize;

12	checksumPos = checksumStart;

13	dataPos = dataStart;

14	maxChunks = 0;

15

}

通过代码可以看到，一个heatbeat的内容，实际上只有一个长度为25字节的header数据。通过this.seqno = HEART_BEAT_SEQNO;的值可以判断一个packet是否是heatbeat包，如果seqno为-1表示这是一个heatbeat包。

Client发送Packet数据

可以DFSClient类中看到，发送一个Packet之前，首先需要向选定的DataNode发送一个Header数据包，表明要向DataNode写数据，该Header的数据结构，如图所示：




上图显示的是Client发送Packet到第一个DataNode节点的Header数据结构，主要包括待发送的Packet所在的Block（先向NameNode分配Block ID等信息）的相关信息、Pipeline中另外2个DataNode的信息、访问令牌（Access Token）和校验和信息，Header中各个字段及其类型，详见下表：

字段名称	字段类型	字段长度	字段含义
Transfer Version	short	2	Client与DataNode之间数据传输版本号，由常量DataTransferProtocol.DATA_TRANSFER_VERSION定义，值为17
OP	int	4	操作类型，由常量DataTransferProtocol.OP_WRITE_BLOCK定义，值为80
blkId	long	8	Block的ID值，由NameNode分配
GS	long	8	时间戳（Generation Stamp），NameNode分配blkId的时候生成的时间戳
DNCnt	int	4	DataNode复制Pipeline中DataNode节点的数量
Recovery Flag	boolean	1	Recover标志
Client	Text		Client主机的名称，在使用Text进行序列化的时候，实际包含长度len与主机名称字符串ClientHost
srcNode	boolean	1	是否发送src node的信息，默认值为false，不发送src node的信息
nonSrcDNCnt	int	4	由Client写的该Header数据，该数不包含Pipeline中第一个节点（即为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		访问令牌信息，包括IdentifierLength、Identifier、PwdLength、Pwd、KindLength、Kind、ServiceLength、Service
CheckSum Header	DataChecksum	1+4	校验和Header信息，包括type、bytesPerChecksum

Header数据包发送成功，Client会收到一个成功响应码（DataTransferProtocol.OP_STATUS_SUCCESS = 0），接着将Packet数据发送到Pipeline中第一个DataNode上，如下所示：

1	Packet one = null;

2	one = dataQueue.getFirst(); // regular data packet

3	ByteBuffer buf = one.getBuffer();

4	// write out data to remote datanode

5	blockStream.write(buf.array(), buf.position(), buf.remaining());

6

7	if (one.lastPacketInBlock) { // 如果是Block中的最后一个Packet，还要写入一个0标识该Block已经写入完成

8	blockStream.writeInt(0); // indicate end-of-block

9

}

否则，如果失败，则会与NameNode进行RPC调用，删除该Block，并把该Pipeline中第一个DataNode加入到excludedNodes列表中，代码如下所示：

01	if (!success) {

02	LOG.info("Abandoning " + block);

03	namenode.abandonBlock(block, src, clientName);

04

05	if (errorIndex < nodes.length) {

06	LOG.info("Excluding datanode " + nodes[errorIndex]);

07	excludedNodes.add(nodes[errorIndex]);

08

}

09

10	// Connection failed.  Let's wait a little bit and retry

11	retry = true;

12

}

DataNode端服务组件

数据最终会发送到DataNode节点上，在一个DataNode上，数据在各个组件之间流动，流程如下图所示：



DataNode服务中创建一个后台线程DataXceiverServer，它是一个SocketServer，用来接收来自Client（或者DataNode Pipeline中的非最后一个DataNode节点）的写数据请求，然后在DataXceiverServer中将连接过来的Socket直接派发给一个独立的后台线程DataXceiver进行处理。所以，Client写数据时连接一个DataNode Pipeline的结构，实际流程如图所示：



每个DataNode服务中的DataXceiver后台线程接收到来自前一个节点（Client/DataNode）的Socket连接，首先读取Header数据：

01	Block block = new Block(in.readLong(), dataXceiverServer.estimateBlockSize, in.readLong());

02	LOG.info("Receiving " + block + " src: " + remoteAddress + " dest: " + localAddress);

03	int pipelineSize = in.readInt(); // num of datanodes in entire pipeline

04	boolean isRecovery = in.readBoolean(); // is this part of recovery?

05	String client = Text.readString(in); // working on behalf of this client

06	boolean hasSrcDataNode = in.readBoolean(); // is src node info present

07	if (hasSrcDataNode) {

08	srcDataNode = new DatanodeInfo();

09	srcDataNode.readFields(in);

10

}

11	int numTargets = in.readInt();

12	if (numTargets < 0) {

13	throw new IOException("Mislabelled incoming datastream.");

14

}

15	DatanodeInfo targets[] = new DatanodeInfo[numTargets];

16	for (int i = 0; i < targets.length; i++) {

17	DatanodeInfo tmp = new DatanodeInfo();

18	tmp.readFields(in);

19	targets[i] = tmp;

20

}

21	Token accessToken = new Token();

22	accessToken.readFields(in);

上面代码中，读取Header的数据，与前一个Client/DataNode写入Header字段的顺序相对应，不再累述。在完成读取Header数据后，当前DataNode会首先将Header数据再发送到Pipeline中下一个DataNode结点，当然该DataNode肯定不是Pipeline中最后一个DataNode节点。接着，该DataNode会接收来自前一个Client/DataNode节点发送的Packet数据，接收Packet数据的逻辑实际上在BlockReceiver中完成，包括将来自前一个Client/DataNode节点发送的Packet数据写入本地磁盘。在BlockReceiver中，首先会将接收到的Packet数据发送写入到Pipeline中下一个DataNode节点，然后再将接收到的数据写入到本地磁盘的Block文件中。

DataNode持久化Packet数据

在DataNode节点的BlockReceiver中进行Packet数据的持久化，一个Packet是一个Block中一个数据分组，我们首先看一下，一个Block在持久化到磁盘上的物理存储结构，如下图所示：



每个Block文件（如上图中blk_1084013198文件）都对应一个meta文件（如上图中blk_1084013198_10273532.meta文件），Block文件是一个一个Chunk的二进制数据（每个Chunk的大小是512字节），而meta文件是与每一个Chunk对应的Checksum数据，是序列化形式存储。

写文件过程中Client/DataNode与NameNode进行RPC调用

Client在HDFS文件系统中写文件过程中，会发生多次与NameNode节点进行RPC调用来完成写数据相关操作，主要是在如下时机进行RPC调用：

• 写文件开始时创建文件：Client调用create在NameNode节点的Namespace中创建一个标识该文件的条目
• 在Client连接Pipeline中第一个DataNode节点之前，Client调用addBlock分配一个Block（blkId+DataNode列表+租约）
• 如果与Pipeline中第一个DataNode节点连接失败，Client调用abandonBlock放弃一个已经分配的Block
• 一个Block已经写入到DataNode节点磁盘，Client调用fsync让NameNode持久化Block的位置信息数据
• 文件写完以后，Client调用complete方法通知NameNode写入文件成功
• DataNode节点接收到并成功持久化一个Block的数据后，DataNode调用blockReceived方法通知NameNode已经接收到Block

具体RPC调用的详细过程，可以参考源码。