一、HDFS的读写机制

　　1.HDFS的写入流程图

　　　　

　　2.详解　　

　　　　首先我要将一个200M文件存到HDFS集群中。

1. 1. 　　客户端通过RPC（远程服务）访问NameNode，请求写入一个文件。
   2. 　　NameNode检查客户端是否有权限写入，如果有权限返回一个响应。如果没有客户端就会抛出一个异常。
   3. 　　客户端会将文件按BlckSize大小（默认128M）将文件切分成一个一个Block块，然后请求写入第一个Block块。
   4. 　　NameNode会根据它的负载均衡机制，给客户端返回满足其副本数量（默认是3）的列表（BlockId：主机，端口号，存放的目录）。
   5. 　　客户端根据返回的列表，开始建立管道（pipeline）。客户端->第一个节点->第二个节点->第三个节点。
   6. 　　开始传输数据，Block按照Packet一次传输，当一个Packet成功传输到第一个DataNode上以后，第一个DodaNode就把这个Packet开始进行复制，并将这个Packet通过管道传输到下一个DataNode上，下一个DataNode接收到Packet后，继续进行复制，再传输到下一个DataNode上。
   7. 　　当一个Block块成功传输完以后，从最后一个DataNode开始，依次从管道返回ACK队列，到客户端。
   8. 　　客户端会在自己内部维护着一个ACK队列，跟返回来的ACK队列进行匹配，只要有一台DataNode写成功，就认为这次写操作是完成的。
   9. 　　开始进行下一个Block块的写入。重复3-8。

　　　　如果在传输的时候，有的DataNode宕机了，这个DataNode就会从这个管道中退出。剩下的DataNode继续传输。然后，等传输完成以后，NameNode会再分发出一个节点，去写成功的DataNode上复制出一份Block块，写到新的DataNode上。

　　3.HDFS的读机制流程图

　　　　　　

　　4.详解

1. 1. 　　客户端向NameNode通过RPC发送读请求。
   2. 　　NameNode确认客户端是否有读权限，如果有，给客户端返回一个响应，如果没有，客户端抛出一个异常。
   3. 　　客户端向NameNode请求需要读取的文件。
   4. 　　NameNode返回存储此文件的每个Block块所在的位置的列表。
   5. 　　客户端会从返回的列表中挑选一台最近的，建立连接，读取Block块。读取的时候会将Block块统计目录下的校验信息，一起读取过来。
   6. 　　客户端读取完Block块信息以后，会计算出一个校验和跟读取过来的校验和进行对比，如果能匹配上，就说明正确。如果匹配不上，就从其他节点上读取Block块。

　　　　

二、MapReduce的运行原理

　　1.流程图

　　　　

　　2.详解　　

　　　　1.在HDFS存好文件后,当开始MapReduce的计算时首先通过FileInputFormat先扫描切片，每次扫描一行数据，调用RecordReader类中的getCurrentKey()、getCurrentValue()返回一个key（行偏移量）,value（每行的内容）。context将返回的key和value带入到MapTask中，让map方法去进行处理。

　　切片的计算：long splitSize = Math.max(minSize, Math.min(maxSize, blockSize));每个切片的大小可以自定义但是为了优化效率 默认将切片的大小与HDFS的分割的block的大小一致

　　　　2.map方法处理完以后，将处理后的key、value进行序列化，写入到环形缓冲区中。（默认是100M）。当环形缓冲区到达80%以后，就会将里面的内容进行溢写。溢写的时候会进行分区，并默认按照key的hashcode值，对reduceTask进行取余。根据余数相同的分到一个分区中。在分区时还会进行排序，默认按字典顺序。使用快速排序。Key -> key的hashcode ->根据reduceTask的个数取余->根据取余的结果进行分区。

　　　　3.在MapTask结束的时候，会将相同分区的数据聚合到一块。并进行排序，使用归并排序。MapTask自此结束。

　　　　4.Reduce端会将map端处理完以后的文件，相同分区的拉取到一块。进行合并和排序，归并排序。一个ReduceTask去处理一个分区的数据。

　　　　5.ReduceTask会根据相同的key分组，key相同的数据被分为了一组。一组数据去调用一次reduce方法。一个reduceTask处理完以后写入到一个reduceTask文件中。

　　3.注意事项

　　　　1.Shuffle：从数据进入缓冲区开始到reducetask调用reduce方法之前。

 

三、Yarn的运行原理

　　1.Yarn的流程图

　　　　

　　　　2.详解　　

1. 1. 　　客户端将它的程序提交给Yarn。

   2. 　　RM会给客户端返回一个jobid以及一个路径。

   3. 　　客户端会将对应的程序信息（jar包、切片信息、序列化文件）提交到对应的路径下。

   4. 　　提交完以后给RM返回一个确认。

   5. 　　RM就会在存放提交信息的那台NodeManager上创建出来一个容器。启动我们的ApplicationMaster。

   6. 　　ApplicationMaster会跟提交的切片信息和程序向RM注册，并申请容器。

   7. 　　RM收到资源请求后，就去跟NM通信，NM就会在自身的节点上创建出需要的容器数量。

   8. 　　ApplicationMaster就将相应的任务信息，发送到对应的NM节点上，并使用创建出来的container去运行Task。

   9. 　　运行ReduceTask。

   10. 　　等所有的Task都执行完以后，ApplicationMaster就向RM进行注销，RM就会回收资源。