Hadoop3.2.1 【 HDFS 】源码分析 : Datanode 概述

Love The Way You Lie 2022-11-21 15:22 259阅读 0赞

# 一.概述 #

Datanode以存储数据块（Block） 的形式保存HDFS文件， 同时Datanode还会响应HDFS客户端读、 写数据块的请求。 Datanode会周期性地向Namenode上报心跳信息、 数据块汇报信息（BlockReport） 、 缓存数据块汇报信息（CacheReport） 以及增量数据块块汇报信息。 Namenode会根据块汇报的内容， 修改Namenode的命名空间（Namespace） ， 同时向Datanode返回名字节点指令。 Datanode会响应  
Namenode返回的名字节点指令， 如创建、 删除和复制数据块指令等。

# 二.Datanode逻辑结构 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nbG9uZ180NDQ0_size_16_color_FFFFFF_t_70_pic_center]

## 2.1 数据层 ##

Datanode的所有服务都是建立在数据块存储功能基础上的， 我们将Datanode中负责在本地磁盘存储数据块的部分抽象为数据层。

*  DataStorage——**数据存储**： 负责管理与组织Datanode的磁盘存储空间， 同时也负责管理存储空间的生命周期（包括升级、 回滚、 提交等操作） 。 在HDFSFederation架构中， 一个Datanode可以保存多个块池的数据块， HDFS定义了BlockPoolSliceStorage类管理Datanode上单个块池的存储空间。DataStorage类会持有所有BlockPoolSliceStorage对象的引用， 并通过这些引用管理Datanode上的所有块池。
 *  FsDataset——**文件系统数据集**： 抽象了Datanode管理数据块的所有操作， 例如创建数据块文件、 维护数据块文件和校验和文件的对应关系等。 每个Datanode都可以配置若干个不同类型的存储目录来保存数据块（通过配置项dfs.datanode.data.dir配置） ， 所以HDFS定义了FSVolumelmpl类来管理Datanode上单个存储目录保存的所有数据块， 同时定义了FSVolumeList类来维护Datanode上所有FSVolumelmpl对象的引用。 FsDataset会通过FSVolumeList类提供的功能管理Datanode上所有存储目录保存的数据块。

## 2.2 逻辑层 ##

在数据层的基础上， Datanode会执行若干HDFS逻辑， 例如向Namenode汇报数据块存储状态、 发送心跳、 扫描损坏的数据块等， 我们将Datanode上负责执行HDFS逻辑的部分抽象为逻辑层。 逻辑层包括三个主要的模块。

*  **BlockPoolManager**： 管理所有块池的接口类。 HDFS提供了Federation机制， 也就是每个HDFS集群都可以配置多个命名空间， 每个命名空间在Datanode上都有一个与之对应的块池。 一个BlockPoolManager对象会持有多个BPOfferService对象的实例， 每个BPOfferService对象都管理这个Datanode的一个块池。 HDFS除了引入Federation机制外， 还引入了HA机制， 每个命名空间都可以定义两个Namenode， 一个作为Active Namenode， 一个作为Standby Namenode。 所以每个BPOfferService对象又都会持有两个BPServiceActor对象， 一个BPServiceActor对象对应于命名空间中的一个Namenode， 该对象负责向这个Namenode发送心跳、 块汇报、 缓存汇报以及增量块汇报， 并执行Namenode返回的名字节点指令（DatanodeCommand）.
 *  **DataBlockScanner**： 一个独立的线程， 周期性地扫描每个数据块并检查数据块的校验和是否正常。
 *  **DirectoryScanner**： 一个独立的线程， 定时发起对磁盘数据块的扫描， 对比内存中元数据与实际磁盘存储数据块的差异， 然后更新内存中的元数据， 使之与磁盘保存的数据块信息一致。

## 2.3 服务层 ##

服务层：服务层中的模块用于支持其他节点与Datanode通信， 以及访问Datanode状态等功能。

**HttpServer**： 对外提供HTTP服务， 可用于展示Datanode内部状态。  
**IPCServer**： RPC服务端， 响应来自于Client、 Namenode以及其他Datanode的RPC请求。  
**DataXceiverServer**： 数据传输服务端， 响应来自于Client以及其他Datanode的流式接口请求

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nbG9uZ180NDQ0_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/c4ab9d63d50046e6a41bd84e4fb878cc.png