▲图3-3 流水线数据写入示意图
3）串行写入数据，直到写完Block
客户端的数据以字节（byte）流的形式写入chunk（以chunk为单位计算checksum（校验和））。若干个chunk组成packet，数据以packet的形式从客户端发送到第一个Datanode，再由第一个Datanode发送数据到第二个Datanode并完成本地写入，以此类推，直到最后一个Datanode写入本地成功，可以从缓存中移除数据包（packet），如图3-4所示。
▲图3-4 串行写入数据示意图
4）重复步骤2和步骤3，然后写数据包和回复数据包，直到数据全部写完。
5）关闭文件并释放租约
客户端执行关闭文件后，HDFS客户端将会在缓存中的数据被发送完成后远程调用Namenode执行文件来关闭操作。
Datanode在定期的心跳上报中，以增量的信息汇报最新完成写入的Block，Namenode则会更新相应的数据块映射以及在新增Block或关闭文件时根据Block映射副本信息判断数据是否可视为完全持久化（满足最小备份因子）。
2. HDFS客户端读流程
相对于HDFS文件写入流程，HDFS读流程相对简单，如图3-5所示。
▲图3-5 HDFS读流程
1）HDFS客户端远程调用Namenode，查询元数据信息，获得这个文件的数据块位置列表，返回封装DFSIntputStream的HdfsDataInputStream输入流对象。
2）客户端选择一台可用Datanode服务器，请求建立输入流。
3）Datanode向输入流中写原始数据和以packet为单位的checksum。
4）客户端接收数据。如遇到异常，跳转至步骤2，直到数据全部读出，而后客户端关闭输入流。当客户端读取时，可能遇到Datanode或Block异常，导致当前读取失败。正由于HDFS的多副本保证，DFSIntputStream将会切换至下一个Datanode进行读取。与HDFS写入类似，通过checksum来保证读取数据的完整性和准确性。
本文摘编自《腾讯大数据构建之道》，经出版方授权发布。（ISBN：978-7-111-71076-9）
延伸阅读《腾讯大数据构建之道》
推荐语：腾讯官方出品！腾讯大数据构建之道首次对外披露！腾讯大数据平台十年磨一剑，践行“科技向善”落地方案。本书由腾讯数据平台部组织，腾讯公司副总裁蒋杰领衔撰写，首次对外详细阐述了腾讯大数据平台系统架构，以及多年来平台建设的思考与沉淀。
关于作者：核心团队，腾讯数据平台部致力于为腾讯集团旗下业务提供专业、可靠的大数据平台及机器学习平台服务，并依托腾讯云将大数据与AI能力对外输出。团队专注于大数据、云原生、机器学习、图计算、AI视觉和推荐技术等核心技术，并在world-Class比赛中屡获奖项。同时，团队全面拥抱开源并持续贡献社区，自主研发的分布式机器学习平台Angel和大数据集成平台InLong分别从Linux和Apache顶级项目毕业，具有world-Class的技术影响力。
核心作者，蒋杰，北京大学博士，腾讯公司副总裁，中国人工智能产业发展联盟（AIIA）副理事长，中国计算机学会（CCF）大数据专家委员会委员。
