HDFS:NameNode的Proxy该怎的做

HDFS:NameNode的Proxy该怎样做

    在上篇blog中提到了HDFS的功能扩展点：Service plugin，它存在于NameNode和DataNode中。HDFS赋予它们可以操作这两个大对象的能力，这也完全提供我们在HDFS上进行开发的机会。这些开发可以是对HDFS现有功能的补充与完善，也可以是基于HDFS之上的扩展。但server plugin可以知道当前用户正在操作哪些文件么？不知道

    现在我们有这样的需求：需要HDFS提供file notification - 也就是订阅方可以在HDFS上订阅监控某个文件或目录，如果文件或目录有更改，订阅方可以及时得到来自HDFS的通知。类似的功能需求在大部分应用系统都会支持，所以我们也会试着来完善HDFS的这个功能。

    所有与文件相关的操作都是来自client，这些操作通过NameNode提供的RPC接口进行数据处理。我们最先应该想到的是在哪里可以获得所有与client交互的请求呢？client端显然不现实：1. 它是临时的，不能长期提供服务； 2. 某个文件可被多个client操作，不能完全拦截用户操作。除client之外，NameNode肯定是可以完成需求的，但怎样修改是改动少，最稳妥的方式呢？我想到了NameNode端的RPC server，它持有NameNode instance，然后在每次RPC请求到达时，根据这个instance做方法调用，在这里我们就可以偷梁换柱，用我们想要的代理层来替代真实的NameNode，既可以做正常的方法调用转发，也可以实现我们的需求。

HDFS:NameNode的Proxy该怎的做

在RPC server与NameNode之间加入这样一层“锲子”，它静态代理着所有对NameNode的请求(当然也有从DataNode来的请求，不过我们不处理它，因为我们想要的只要与HDFS文件或目录相关的操作)，然后在背后把请求的参数拦截下来，做异步处理，尽量不要影响NameNode的处理效率。

在NameNode中加入这个Proxy，RPC server就只会认为它是NameNode

//NameNode.java
NameNodeProxy nnProxy = new NameNodeProxy(this);
this.server = RPC.getServer(NamenodeProtocols.class, nnProxy,
                                socAddr.getHostName(), socAddr.getPort(),
                                handlerCount, false, conf, 
				namesystem.getDelegationTokenSecretManager());

对于用户的这些文件操作请求，我们可以对它这样做。把请求代理到真正的NameNode，拦截请求参数，与订阅信息比对，如果匹配就通知订阅方

//NameNodeProxy.java
public void create(String src, 
          FsPermission masked,
          String clientName, 
          EnumSetWritable<CreateFlag> flag,
          boolean createParent,
          short replication,
          long blockSize) throws IOException {

    nameNode.create(src, masked, clientName, flag, createParent, replication, blockSize);
	  
    putRequestToQueue(src, "create");
}
  
private List<Operation> operationQueue;

private void putRequestToQueue(String src, String cmd) {
    Operation op = new Operation(src, cmd);
    operationQueue.add(op);
}

这层代理同时也是一个契机，为我们分析用户操作打开一扇窗。你想分析下当前HDFS中哪些目录或哪些文件是热点文件/目录，那么你知道怎么做的。

就简单说到这吧，上述的HDFS版本是0.21，用的代码是伪代码。大家有任何想法，欢迎提出，谢谢!

1 楼 heiliguai 2011-09-06

“当然也有从DataNode来的请求，不过我们不处理它”

这里没看懂：
1.RPC server可以区分请求是来自Client还是来自DataNode？
2.来自DataNode的请求是交给谁处理的？

不知道问题问得对不对，请不吝赐教。

2 楼 langyu 2011-09-06

heiliguai 写道

你好，我们当前的需求是想要知道“用户是如何操作HDFS中的文件与目录”，有这样的需求就不用管DataNode的各种请求，因为DataNode请求是HDFS内部事务。

对于RPC server来说，来自内部或外部请求的区别只是调用着 NameNode不同的接口方法。
我们的业务是有需求背景的，这里没说清楚，不好意思。

3 楼 heiliguai 2011-09-06

langyu 写道

heiliguai 写道

就是说原来的RPC Server所实现的接口保持不变，将Proxy新增的功能作为新接口添加到RPC Server中，这样理解对吗？

4 楼 langyu 2011-09-06

heiliguai 写道

就是说原来的RPC Server所实现的接口保持不变，将Proxy新增的功能作为新接口添加到RPC Server中，这样理解对吗？

你好，不能这样理解。Hadoop的RPC实现就是动态代理+二进制协议，RPC在这里只扮演着解析二进制协议，并且根据调用方法与方法参数反射调用NameNode的特定方法。RPC server在创建时需要明确传入的是NameNode对象，但我用一个NameNode的"兄弟"来代理NameNode的所有接口，这时候就能在NameNodeProxy里面拦截到用户请求。

HDFS:NameNode的Proxy该怎的做

相关推荐