【效能優化的祕密】Hadoop如何將TB級大檔案的上傳效能優化上百倍
歡迎關注個人公眾號：石杉的架構筆記（ID:shishan100）
週一至五早8點半！精品技術文章準時送上！
目錄
一、寫在前面
二、原始的檔案上傳方案
三、大規模分散式系統對大檔案上傳的效能優化
（1）Chunk緩衝機制
（2）Packet資料包機制
（3）記憶體佇列非同步傳送機制
四、總結
一、寫在前面
上一篇文章，我們聊了一下Hadoop中的NameNode裡的edits log寫機制。
主要分析了edits log寫入磁碟和網路的時候，是如何通過 分段加鎖 以及 雙緩衝的機制 ，大幅度提升了多執行緒併發寫edits log的吞吐量，從而支援高併發的訪問。
如果沒看那篇文章的同學，可以回看一下： ofollow,noindex">大規模叢集下Hadoop NameNode如何承載每秒上千次的高併發訪問。
這篇文章，我們來看看，Hadoop的HDFS分散式檔案系統的檔案上傳的效能優化。
首先，我們還是通過一張圖來回顧一下檔案上傳的大概的原理。
由上圖所示，檔案上傳的原理，其實說出來也簡單。
比如有個TB級的大檔案，太大了， HDFS客戶端會給拆成很多block ，一個block就是128MB。
這個HDFS客戶端你可以理解為是雲盤系統、日誌採集系統之類的東西。
比如有人上傳一個1TB的大檔案到網盤，或者是上傳個1TB的大日誌檔案。
然後，HDFS客戶端把一個一個的block上傳到第一個DataNode
第一個DataNode會把這個block複製一份，做一個副本傳送給第二個DataNode。
第二個DataNode傳送一個block副本到第三個DataNode。
所以你會發現， 一個block有3個副本 ，分佈在三臺機器上。任何一臺機器宕機，資料是不會丟失的。
最後，一個TB級大檔案就被拆散成了N多個MB級的小檔案存放在很多臺機器上了，這不就是分散式儲存麼？
二、原始的檔案上傳方案
今天要討論的問題，就是那個HDFS客戶端上傳TB級大檔案的時候，到底是怎麼上傳呢？
我們先來考慮一下，如果用一個比較原始的方式來上傳，應該怎麼做？
大概能想到的是下面這個圖裡的樣子。
很多java的初學者，估計都知道這樣來上傳檔案，其實無非就是不停的從本地磁碟檔案用輸入流讀取資料，讀到一點，就立馬通過網路的輸出流寫到DataNode裡去。
上面這種流程圖的程式碼，估計剛畢業的同學都可以立馬寫出來。因為對檔案的輸入流最多就是個FileInputStream。
而對DataNode的輸出流，最多就是個Socket返回的OutputStream。
然後中間找一個小的記憶體byte[]陣列，進行流對拷就行了，從本地檔案讀一點資料，就給DataNode發一點資料。
但是如果你要這麼弄， 那效能真是極其的低下了 ，網路通訊講究的是適當頻率，每次batch批量傳送，你得讀一大批資料，通過網路通訊發一批資料。
不能說讀一點點資料，就立馬來一次網路通訊，就發出去這一點點的資料。
如果按照上面這種原始的方式，絕對會導致網路通訊效率極其低下，大檔案上傳效能很差。
為什麼這麼說呢？
相當於你可能剛讀出來幾百個位元組的資料，立馬就寫網路，卡頓個比如幾百毫秒。
然後再讀下一批幾百個位元組的資料，再寫網路卡頓個幾百毫秒，這個效能很差， 在工業級的大規模分散式系統中，是無法容忍的 。
三、分散式系統對大檔案上傳的效能優化
好，看完了原始的檔案上傳，那麼我們來看看，Hadoop中的大檔案上傳是如何優化效能的呢？一起來看看下面那張圖。
首先你需要自己建立一個針對本地TB級磁碟檔案的輸入流。
然後讀到資料之後立馬寫入HDFS提供的FSDataOutputStream輸出流。
這個FSDataOutputStream輸出流在幹啥？
大家覺得他會天真的立馬把資料通過網路傳輸寫給DataNode嗎？
答案當然是否定的了！這麼幹的話，不就跟之前的那種方式一樣了！
1. Chunk緩衝機制
首先，資料會被寫入一個chunk緩衝陣列，這個 chunk是一個512位元組大小的資料片段 ，你可以這麼來理解。
然後這個緩衝陣列可以容納多個chunk大小的資料在裡面緩衝。
光是這個緩衝，首先就可以讓客戶端快速的寫入資料了，不至於說幾百位元組就要進行一次網路傳輸，想一想，是不是這樣？
2. Packet資料包機制
接著，當chunk緩衝陣列都寫滿了之後，就會把這個chunk緩衝陣列進行一下 chunk切割 ，切割為一個一個的chunk，一個chunk是一個數據片段。
然後多個chunk會直接一次性寫入另外一個記憶體緩衝資料結構，就是 Packet資料包 。
一個Packet資料包，設計為可以容納127個chunk，大小大致為64mb。所以說大量的chunk會不斷的寫入Packet資料包的記憶體緩衝中。
通過這個Packet資料包機制的設計，又可以在記憶體中容納大量的資料， 進一步避免了頻繁的網路傳輸影響效能。
3. 記憶體佇列非同步傳送機制
當一個Packet被塞滿了chunk之後，就會將這個Packet放入一個記憶體佇列來進行排隊。
然後有一個DataStreamer執行緒會不斷的獲取佇列中的Packet資料包，通過網路傳輸直接寫一個Packet資料包給DataNode。
如果一個Block預設是128mb的話，那麼一個Block預設會對應兩個Packet資料包，每個Packet資料包是64MB。
也就是說， 傳送兩個Packet資料包給DataNode之後，就會發一個通知說，一個Block的資料都傳輸完畢。
這樣DataNode就知道自己收到一個Block了，裡面包含了人家傳送過來的兩個Packet資料包。
四、總結
OK，大家看完了上面的那個圖以及Hadoop採取的大檔案上傳機制，是不是感覺設計的很巧妙？
說白了，工業級的大規模分散式系統，都不會採取特別簡單的程式碼和模式，那樣效能很低下。
這裡都有大量的併發優化、網路IO優化、記憶體優化、磁碟讀寫優化的架構設計、生產方案在裡面。
所以大家觀察上面那個圖，HDFS客戶端可以快速的將tb級大檔案的資料讀出來，然後快速的交給HDFS的輸出流寫入記憶體。
基於記憶體裡的 chunk緩衝機制、packet資料包機制、記憶體佇列非同步傳送機制 。絕對不會有任何網路傳輸的卡頓，導致大檔案的上傳速度變慢。
反而通過上述幾種機制，可以上百倍的提升一個TB級大檔案的上傳效能。