3. HDFS 数据流
3.1 HDFS 写数据流程
3.1.1 剖析文件写入
1、 Client向NameNode通信请求上传文件，NameNode检查目标文件是否已经存在，父目录是否已经存在；
2、 NameNode返回是否可以上传；
3、 Client先对文件进行切分，请求第一个block该传输到哪些DataNode服务器上；
4、 NameNode返回3个DataNode服务器DataNode1，DataNode2，DataNode3；
5、 Client请求3台中的一台DataNode1(网络拓扑上的就近原则，如果都一样，则随机挑选一台DataNode)上传数据（本质上是一个RPC调用，建立pipeline），DataNode1收到请求会继续调用DataNode2，然后DataNode2调用DataNode3，将整个pipeline建立完成，然后逐级返回客户端；
6、 Client开始往DataNode1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为单位写入的时候DataNode会进行数据校验，它并不是通过一个packet进行一次校验而是以chunk为单位进行校验（512byte）DataNode1收到一个packet就会传给DataNode2，DataNode2传给DataNode3，DataNode1每传一个packet会放入一个应答队列等待应答；
7、 当一个block传输完成之后，Client再次请求NameNode上传第二个block的服务器；
3.1.2 网络拓扑概念
在本地网络中，两个节点被称为“彼此近邻”是什么意思？
在海量数据处理中，其主要限制因素是节点之间数据的传输速率——带宽很稀缺
这里的想法是将两个节点间的带宽作为距离的衡量标准
节点距离：两个节点到达最近的共同祖先的距离总和
例如，假设有 数据中心d1 机架r1 中的节点 n1，该节点可以表示为/d1/r1/n1，利用这种标记，这里给出四种距离描述：
Distance(/d1/r1/n1, /d1/r1/n1)=0（同一节点上的进程）
Distance(/d1/r1/n1, /d1/r1/n2)=2（同一机架上的不同节点）
Distance(/d1/r1/n1, /d1/r3/n2)=4（同一数据中心不同机架上的节点）
Distance(/d1/r1/n1, /d2/r4/n2)=6（不同数据中心的节点）
3.1.3 机架感知（副本节点选择）
官方介绍：
http://hadoop.apache.org/docs/r2.7.3/hadoop-project-dist/hadoop-common/RackAwareness.html
http://hadoop.apache.org/docs/r2.7.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication
3.1.3.1 低版 本Hadoop 副本节点选择
第一个副本在 Client 所处的节点上，如果客户端在集群外，随机选一个
第二个副本和第一个副本位于不相同机架的随机节点上
第三个副本和第二个副本位于相同机架，节点随机
3.1.3.2 Hadoop 2.9.2 副本节点选择
第一个副本在 Client 所处的节点上,如果客户端在集群外，随机选一个。
第二个副本和第一个副本位于相同机架，随机节点
第三个副本位于不同机架，随机节点
3.2 HDFS 读数据流程
1、 与NameNode通信查询元数据，找到文件块所在的DataNode服务器；
2、 挑选一台DataNode（网络拓扑上的就近原则，如果都一样，则随机挑选一台DataNode）服务器，请求建立socket流；
3、 DataNode开始发送数据(从磁盘里面读取数据放入流，packet（一个packet为64kb）为单位来做校验)；
4、 客户端以packet为单位接收，先在本地缓存，然后写入目标文件；
