基於Hadoop雲盤係統1：上傳和下載效率優化

一、讀寫機製

首先來看文件讀取機製：盡管DataNode實現了文件存儲空間的水平擴展和多副本機製，但是針對單個具體文件的讀取，Hadoop默認的API接口並沒有提供多DataNode的並行讀取機製。基於Hadoop提供的API接口實現的雲盤客戶端也自然麵臨同樣的問題。Hadoop的文件讀取流程如下圖所示：

使用HDFS提供的客戶端開發庫，向遠程的Namenode發起RPC請求；
Namenode會視情況返回文件的部分或者全部block列表，對於每個block，Namenode都會返回有該block拷貝的datanode地址；
客戶端開發庫會選取離客戶端最接近的datanode來讀取block；
讀取完當前block的數據後，關閉與當前的datanode連接，並為讀取下一個block尋找最佳的datanode；
當讀完列表的block後，且文件讀取還沒有結束，客戶端開發庫會繼續向Namenode獲取下一批的block列表。
讀取完一個block都會進行checksum驗證，如果讀取datanode時出現錯誤，客戶端會通知Namenode，然後再從下一個擁有該block拷貝的datanode繼續讀取。

這裏需要注意的關鍵點是：多個Datanode順序讀取。

其次再看文件的寫入機製：

使用HDFS提供的客戶端開發庫，向遠程的Namenode發起RPC請求；
Namenode會檢查要創建的文件是否已經存在，創建者是否有權限進行操作，成功則會為文件創建一個記錄，否則會讓客戶端拋出異常；
當客戶端開始寫入文件的時候，開發庫會將文件切分成多個packets，並在內部以"data queue"的形式管理這些packets，並向Namenode申請新的blocks，獲取用來存儲replicas的合適的datanodes列表，列表的大小根據在Namenode中對replication的設置而定。
開始以pipeline（管道）的形式將packet寫入所有的replicas中。開發庫把packet以流的方式寫入第一個 datanode，該datanode把該packet存儲之後，再將其傳遞給在此pipeline中的下一個datanode，直到最後一個 datanode，這種寫數據的方式呈流水線的形式。
最後一個datanode成功存儲之後會返回一個ack packet，在pipeline裏傳遞至客戶端，在客戶端的開發庫內部維護著"ack queue"，成功收到datanode返回的ack packet後會從"ack queue"移除相應的packet。
如果傳輸過程中，有某個datanode出現了故障，那麼當前的pipeline會被關閉，出現故障的datanode會從當前的 pipeline中移除，剩餘的block會繼續剩下的datanode中繼續以pipeline的形式傳輸，同時Namenode會分配一個新的 datanode，保持replicas設定的數量。

關鍵詞：開發庫把packet以流的方式寫入第一個datanode，該datanode將其傳遞給pipeline中的下一個datanode，知道最後一個Datanode，這種寫數據的方式呈流水線方式。

二、解決方案

1.下載效率優化

通過以上讀寫機製的分析，我們可以發現基於Hadoop實現的雲盤客戶段下載效率的優化可以從兩個層級著手：

1.文件整體層麵：采用並行訪問多線程（多進程）份多文件並行讀取。

2.Block塊讀取：改寫Hadoop接口擴展，多Block並行讀取。

2.上傳效率優化

上傳效率優化隻能采用文件整體層麵的並行處理，不支持分Block機製的多Block並行讀取。

最後更新：2017-04-03 22:15:39