HDFS的文件操作流
熟悉HDFS的人可能知道，当我们调用DistributedFileSystem的create方法时，将会返回一个FSDataOutputStream对象，通过这个对象来对文件进行数据的写入。还是贴一张该对象的类图吧！
现在，我们以调用FSDataOutputStream的write(byte[],int,int)为例来看看HDFS是如何完成文件的数据写入操作的。先see一下这个过程的序列图：
从上图中，我们可以很容易的看出，文件的写入操作，关键是是要看DFSOutputSream，所以，下面我将详细的讨论DFSOutputSream类。
当创建一个DFSOutputSream实例的时候，它会首先根据设置的一个packet的大小和一个校验块的大小来计算一个packet应该包含多少个校验块(数据块+加校验和)以及这个packet的实际大小。源代码如下：
其中，原始的packet的大小来自配置文件中参数dfs.write.packet.size的设置，校验数据块的大小来自配置文件中参数io.bytes.per.checksum的设置。然后调用ClientProtocol的create远程方法，最后启动线程DataStreamer。整个创建过程的源代码如下：
现在，一切问题就都纠结在DataStream到底是个啥东东，究竟干了些神马勾当才能和DataNode节点联系起来呢？
实际上，在DataStream中，它总是不停的从packet队列中取出待发送的packet给DataNode节点，当然在这个过程中，它要不断地向NameNode节点申请Blocks，即：当没有Block或申请的一个Block已满时，它会调用ClientProtocol的addBlock远程方法得到一个LocatedBlock，也就是要知道它应该要把这个Block的packet发送到那些DataNode节点上。当然，HDFS对于Block的副本copy采用的是流水线作业的方式：client把数据Block只传给一个DataNode，这个DataNode收到Block之后，传给下一个DataNode，依次类推，...，最后一个DataNode就不需要下传数据Block了。噢，当DataStream把一个Block的所有Packet传送完毕之后，必须要等待所有的Packet被ack之后才能重新申请新的Block来传送后面的packet。