一、寫在前面

上一篇文章，我們聊了一下Hadoop中的NameNode里的edits log寫機(jī)制。

主要分析了edits log寫入磁盤和網(wǎng)絡(luò)的時(shí)候，是如何通過分段加鎖以及雙緩沖的機(jī)制，大幅度提升了多線程并發(fā)寫edits log的吞吐量，從而支持高并發(fā)的訪問。

如果沒看那篇文章的同學(xué)，可以回看一下：《?每秒上千次高并發(fā)訪問，HDFS優(yōu)雅的抗住了?》。

這篇文章，我們來看看，Hadoop的HDFS分布式文件系統(tǒng)的文件上傳的性能優(yōu)化。

首先，我們還是通過一張圖來回顧一下文件上傳的大概的原理。

?由上圖所示，文件上傳的原理，其實(shí)說出來也簡單。

比如有個(gè)TB級的大文件，太大了，HDFS客戶端會給拆成很多block，一個(gè)block就是128MB。

這個(gè)HDFS客戶端你可以理解為是云盤系統(tǒng)、日志采集系統(tǒng)之類的東西。

比如有人上傳一個(gè)1TB的大文件到網(wǎng)盤，或者是上傳個(gè)1TB的大日志文件。

然后，HDFS客戶端把一個(gè)一個(gè)的block上傳到第一個(gè)DataNode

第一個(gè)DataNode會把這個(gè)block復(fù)制一份，做一個(gè)副本發(fā)送給第二個(gè)DataNode。

第二個(gè)DataNode發(fā)送一個(gè)block副本到第三個(gè)DataNode。

所以你會發(fā)現(xiàn)，一個(gè)block有3個(gè)副本，分布在三臺機(jī)器上。任何一臺機(jī)器宕機(jī)，數(shù)據(jù)是不會丟失的。

最后，一個(gè)TB級大文件就被拆散成了N多個(gè)MB級的小文件存放在很多臺機(jī)器上了，這不就是分布式存儲么？?

二、原始的文件上傳方案

今天要討論的問題，就是那個(gè)HDFS客戶端上傳TB級大文件的時(shí)候，到底是怎么上傳呢？

我們先來考慮一下，如果用一個(gè)比較原始的方式來上傳，應(yīng)該怎么做？

大概能想到的是下面這個(gè)圖里的樣子。

很多java的初學(xué)者，估計(jì)都知道這樣來上傳文件，其實(shí)無非就是不停的從本地磁盤文件用輸入流讀取數(shù)據(jù)，讀到一點(diǎn)，就立馬通過網(wǎng)絡(luò)的輸出流寫到DataNode里去。

上面這種流程圖的代碼，估計(jì)剛畢業(yè)的同學(xué)都可以立馬寫出來。因?yàn)閷ξ募妮斎肓髯疃嗑褪莻€(gè)FileInputStream。

而對DataNode的輸出流，最多就是個(gè)Socket返回的OutputStream。

然后中間找一個(gè)小的內(nèi)存byte[]數(shù)組，進(jìn)行流對拷就行了，從本地文件讀一點(diǎn)數(shù)據(jù)，就給DataNode發(fā)一點(diǎn)數(shù)據(jù)。

但是如果你要這么弄，那性能真是極其的低下了，網(wǎng)絡(luò)通信講究的是適當(dāng)頻率，每次batch批量發(fā)送，你得讀一大批數(shù)據(jù)，通過網(wǎng)絡(luò)通信發(fā)一批數(shù)據(jù)。

不能說讀一點(diǎn)點(diǎn)數(shù)據(jù)，就立馬來一次網(wǎng)絡(luò)通信，就發(fā)出去這一點(diǎn)點(diǎn)的數(shù)據(jù)。

如果按照上面這種原始的方式，絕對會導(dǎo)致網(wǎng)絡(luò)通信效率極其低下，大文件上傳性能很差。

為什么這么說呢？

相當(dāng)于你可能剛讀出來幾百個(gè)字節(jié)的數(shù)據(jù)，立馬就寫網(wǎng)絡(luò)，卡頓個(gè)比如幾百毫秒。

然后再讀下一批幾百個(gè)字節(jié)的數(shù)據(jù)，再寫網(wǎng)絡(luò)卡頓個(gè)幾百毫秒，這個(gè)性能很差，在工業(yè)級的大規(guī)模分布式系統(tǒng)中，是無法容忍的。

三、HDFS對大文件上傳的性能優(yōu)化

好，看完了原始的文件上傳，那么我們來看看，Hadoop中的大文件上傳是如何優(yōu)化性能的呢？一起來看看下面那張圖。

首先你需要自己創(chuàng)建一個(gè)針對本地TB級磁盤文件的輸入流。

然后讀到數(shù)據(jù)之后立馬寫入HDFS提供的FSDataOutputStream輸出流。

這個(gè)FSDataOutputStream輸出流在干啥？

大家覺得他會天真的立馬把數(shù)據(jù)通過網(wǎng)絡(luò)傳輸寫給DataNode嗎？

答案當(dāng)然是否定的了！這么干的話，不就跟之前的那種方式一樣了！

1、Chunk緩沖機(jī)制

首先，數(shù)據(jù)會被寫入一個(gè)chunk緩沖數(shù)組，這個(gè)chunk是一個(gè)512字節(jié)大小的數(shù)據(jù)片段，你可以這么來理解。

然后這個(gè)緩沖數(shù)組可以容納多個(gè)chunk大小的數(shù)據(jù)在里面緩沖。

光是這個(gè)緩沖，首先就可以讓客戶端快速的寫入數(shù)據(jù)了，不至于說幾百字節(jié)就要進(jìn)行一次網(wǎng)絡(luò)傳輸，想一想，是不是這樣？

2、Packet數(shù)據(jù)包機(jī)制

?接著，當(dāng)chunk緩沖數(shù)組都寫滿了之后，就會把這個(gè)chunk緩沖數(shù)組進(jìn)行一下chunk切割，切割為一個(gè)一個(gè)的chunk，一個(gè)chunk是一個(gè)數(shù)據(jù)片段。

然后多個(gè)chunk會直接一次性寫入另外一個(gè)內(nèi)存緩沖數(shù)據(jù)結(jié)構(gòu)，就是Packet數(shù)據(jù)包。

一個(gè)Packet數(shù)據(jù)包，設(shè)計(jì)為可以容納127個(gè)chunk，大小大致為64mb。所以說大量的chunk會不斷的寫入Packet數(shù)據(jù)包的內(nèi)存緩沖中。

通過這個(gè)Packet數(shù)據(jù)包機(jī)制的設(shè)計(jì)，又可以在內(nèi)存中容納大量的數(shù)據(jù)，進(jìn)一步避免了頻繁的網(wǎng)絡(luò)傳輸影響性能。?

3、內(nèi)存隊(duì)列異步發(fā)送機(jī)制

?當(dāng)一個(gè)Packet被塞滿了chunk之后，就會將這個(gè)Packet放入一個(gè)內(nèi)存隊(duì)列來進(jìn)行排隊(duì)。

然后有一個(gè)DataStreamer線程會不斷的獲取隊(duì)列中的Packet數(shù)據(jù)包，通過網(wǎng)絡(luò)傳輸直接寫一個(gè)Packet數(shù)據(jù)包給DataNode。

如果一個(gè)Block默認(rèn)是128mb的話，那么一個(gè)Block默認(rèn)會對應(yīng)兩個(gè)Packet數(shù)據(jù)包，每個(gè)Packet數(shù)據(jù)包是64MB。

也就是說，傳送兩個(gè)Packet數(shù)據(jù)包給DataNode之后，就會發(fā)一個(gè)通知說，一個(gè)Block的數(shù)據(jù)都傳輸完畢。

這樣DataNode就知道自己收到一個(gè)Block了，里面包含了人家發(fā)送過來的兩個(gè)Packet數(shù)據(jù)包。?

四、總結(jié)

OK，大家看完了上面的那個(gè)圖以及Hadoop采取的大文件上傳機(jī)制，是不是感覺設(shè)計(jì)的很巧妙？

說白了，工業(yè)級的大規(guī)模分布式系統(tǒng)，都不會采取特別簡單的代碼和模式，那樣性能很低下。

這里都有大量的并發(fā)優(yōu)化、網(wǎng)絡(luò)IO優(yōu)化、內(nèi)存優(yōu)化、磁盤讀寫優(yōu)化的架構(gòu)設(shè)計(jì)、生產(chǎn)方案在里面。

所以大家觀察上面那個(gè)圖，HDFS客戶端可以快速的將tb級大文件的數(shù)據(jù)讀出來，然后快速的交給HDFS的輸出流寫入內(nèi)存。

基于內(nèi)存里的chunk緩沖機(jī)制、packet數(shù)據(jù)包機(jī)制、內(nèi)存隊(duì)列異步發(fā)送機(jī)制。絕對不會有任何網(wǎng)絡(luò)傳輸?shù)目D，導(dǎo)致大文件的上傳速度變慢。

反而通過上述幾種機(jī)制，可以上百倍的提升一個(gè)TB級大文件的上傳性能。