hdfs是用什么方式管理存储的？

什么是分布式存储

HDFS(HadoopDistributed File System)分布式存储就是将大量的文件分散存储在不同的服务器上，通过网络技术进行连接构成一个统一的整体。

hdfs是用什么方式存储的？

HDFS数据存储单元（block）

一、文件被切分成固定大小的文件块

1、默认数据大小为64MB，可配置

2、若文件大小不到64MB，则单独存储为一个block

简述：

客户端向namenode请求上传文件，namenode检查目标路径的环境是否已存在。

namenode返回上传应答。

block上传到哪几个DN节点。

namenode返回3个节点，分别为dn1、dn2、dn3。

客户端请求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。

dn1、dn2、dn3逐级应答

客户端开始往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。当一个block传输完成之后，客户端再次请求namenode上传第二个block的服务器。

第三步。

简单的源码分析：

客户端通过调用DistributedFileSystem的create方法创建新文件。

DistributedFileSystem通过RPC调用namenode去创建一个新文件，创建前， namenode检查环境。如果通过， namenode就会记录下新文件，否则就会抛出IO异常。

前两步结束后，会返回FSDataOutputStream的对象，与读文件的时候相似， FSDataOutputStream被封装成DFSOutputStream。DFSOutputStream可以协调namenode和 datanode。客户端开始写数据到DFSOutputStream，DFSOutputStream会把数据切成一个个小的packet，然后排成队 列data quene（数据队列）。

DataStreamer会去处理接受data quene，它先询问namenode这个新的block最适合存储的在哪几个datanode里（比如重复数是3，那么就找到3个最适合的 datanode），把他们排成一个pipeline。DataStreamer把packet按队列输出到管道的第一个datanode中，第一个 datanode又把packet输出到第二个datanode中，以此类推。

DFSOutputStream还有一个对列叫ack quene，也是由packet组成，等待datanode的收到响应，当pipeline中的所有datanode都表示已经收到的时候，这时ack quene才会把对应的packet包移除掉。

如果在写的过程中某个datanode发生错误，会采取以下几步：

1)pipeline被关闭掉；

2)为了防止防止丢包ack quene里的packet会同步到data quene里；

3)把产生错误的datanode上当前在写但未完成的block删掉；

4)block剩下的部分被写到剩下的两个正常的datanode中；

5)namenode找到另外的datanode去创建这个块的复制。当然，这些操作对客户端来说是无感知的。

客户端完成写数据后调用close方法关闭写入流。

DataStreamer把剩余得包都刷到pipeline里，然后等待ack信息，收到最后一个ack后，通知datanode把文件标视为已完成。

以上是本篇文章的全部内容，更多相关信息，敬请关注。

本文来源：HDFS.CLOUD
原文标题：hdfs是用什么方式管理存储的？

—-

编译者/作者：HDFS.CLOUD

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。