DFSOutputStream 扩展自抽象类FSOutputSummer，FSOutputSummer 在 Outputstream 的基础上提供了写数据并计算校验和的功能，DFSOutputStream.write()方法的实现就继承自FSOutputStream类。
packet
再讲DFSOutputStream之前，我们先要说说packet这个东西，DFSOutputStream中使用Packet类来封装一个数据包。每个数据包中都包含若干个校验块，以及校验块对应的校验和。一个完整的数据包结构如图所示。首先是数据包包头， 记录了数据包的概要属性信息，然后是校验和数据，最后是校验块数据。Packet类提供了writeData()以及writeChecksum()方法向数据块中写入校验块数据以及校验和。
DFSOutputStream构造方法
DFSOutputStream构造方法比较简单，它首先调用私有的构造方法初始化一些属性，并且 对shouldSyncBIock (是否在关闭时将数据块持久化到磁盘)属性赋值。然后调用 computePacketChunkSize()方法确定数据包(packet)大小，同时确定一个数据包当中包含多少个校验块(chunk)。接下来会构造streamer线程，这个streamer线程负责建立数据流管道(pipeline)，并将数据包发送到数据流管道中的一个Datanode，最后设置了 favoredNodes字段，确认客户端想要在哪些 Datanode上写入数据块。
write 方法
DFSOutputStream.write()方法可以将指定大小的数据写入数据流内部的一个缓冲区中，写入的数据会被切分成多个数据包，每个数据包又由一组校验块和这组校验块对应的校验和组成，默认数据包大小为65536字节，校验块大小为512字节，每个校验和都是校验块的512 字节数据对应的校验值。这里的数据包大小、校验块大小是在computePacketChunkSize()方法中定义的。
当Client写入的字节流数据达到一个数据包的长度时，DFSOutputStream会构造一个 Packet对象保存这个要发送的数据包。如果当前数据块中的所有数据包都发送完毕了， DFSOutputStream会发送一个空的数据包标识数据块发送完毕。新构造的Packet对象会被放到 DFSOutputStream.dataQueue 队列中，由 DFSOutputStream 的内部线程类 DataStreamer 处理。
DataStreamer 线程会从 dataQueue 中取出Packet对象，发送到数据流管道中的第一个Datanode，发送完毕后，将Packet从dataQueue中移除，放入ackQueue中等待下游节点的确认消息。确认消息是由DataStreamer的内部线程类ResponseProcessor 处理的。ResponseProcessor线程等待下游节点的响应ack,判断ack状态码，如果是失败状态，则记录出错Datanode的索引(errorlndex & restartindex),并设置错误状态位(hasError)。如果 ack状态是成功，则将数据包从ack队列中移除，整个数据包发送过程完成。
如果在数据块发送过程中出现错误，那所有ackQueue队列中等待确认的Packet都会被重新放回dataQueue队列中重新发送。客户端会执行错误处理流程，将出现错误的Datanode从 数据流管道中删除，然后向Namenode申请新的Datanode重建数据流管道。接着DataStreamer 线程会从dataQueue队列中取出Packet重新发送。
DataStreamer
DataStreamer 首先向Namenode申请一个新的数据块，然后建立写这个数据块的数据流管道(pipeline)，最后DataStreamer从dataQueue队列中取岀待发送数据包并通过数据流管道发送给Datanode。每个数据包(packet)都有一个与之相关的序列号, 当一个数据块中所有的数据包都发送完毕，并且获得了 ACK消息后，DataStreamer线程就会将当前数据块的数据流管道关闭。
如果DFSOutputStream中还有数据需要发送，则DataStreamer 会再次向Namenode申请分配新的数据块，并且提交上一个数据块。获取了新分配数据块的位置信息后，DataStreamer会再次建立到新分配数据块的数据流管道，然后发送数据。
数据流管道的状态：
DataStreamer类定义了 nodes、storageTypes、storagcIDs以及stage等字段，用于保存当前数据流管道的状态。同时, DataStreamer还定义了 setPipeline()方法用于更新上述字段。
DataStreamer使用stage字段记录了当前数据流管道的状态，数据流管道的状态定义在BlockConstructionStage类中，有如下几种：
- PIPELINE_SETUP_CREATE：写新文件时，数据流管道的初始状态。
- PIPELINE_SETUP_APPEND：追加写已有文件时，数据流管道的初始状态。
- DATA_STREAMING：数据流管道已经建立好，可以传输数据了。
- PIPELINE_CLOSE：数据块已经写满，数据流管道关闭。
状态转换如图：
当DFSCIient执行写新文件操作时，数据流管道的初始状态为PIPELINE_SETUP_CREATE；当DFSCIient执行追加写文件操作时，数据流管道的初始状态为 PIPELINE_SETUP_APPEND。
对于写新文件操作，DataStreamer会调用nextBlockOutputStream()方法向Namenode申请 分配新的数据块，然后构造这个新数据块的数据流管道。
对于追加写文件操作，DataStreamer 会调用setupPipelineForAppendOrRecovery()方法打开已有的HDFS文件并返回这个文件最后 一个数据块的位置信息，然后根据最后一个数据块的位置信息初始化数据流管道。
成功构造数据流管道后，DataStreamer会调用initDataStreaming()方法将数据流管道状态改为DATA_STREAMING,并调用setPipeline()记录数据流管道状态，然后就可以通过数据流 管道发送数驱包了。
当数据流管道将当前数据块写满后，会将数据流管道状态设置为PIPELINE_CLOSE,然 后向数据流管道发送一个空的数据包标识数据块已经写完。当DataStreamer确认收到这个空数据包的响应消息后，也就是数据流管道中的所有Datanode都成功地写入了数据块时，会调
用endBk)ck()方法关闭数据流管道，并将数据流管道状态设置为PIPELINE_SETUP_CREATE 初始状态。然后DataStreamer会申请新的数据块，建立数据流管道，并写入数据，直到 DataStreamer线程被关闭。
数据流管道的建立
DataStreamer在将数据包发送到(Namespace)中分配数据块，建立写数据块的数据流管道。这些操作都是在DataStreamer.run() 方法中触发的。
首先调用nextBlockOutputStream。方法向Namenode申请分配新的数据块，然后建立到新分配数据块的输出流。接下来调用setPipeline()方法记录数据流管道信息(包括存 储数据的 Datanode,以及它们的 storagelDs)最后调用initDataStreaming。启动 ResponseProcessor线程处理来自Datanode的响应信息，并将数据块构建状态(BlockConstructionStage) 设置为DATA_STREAMING
数据流管道的建立流程如图所示。
nextBlockOutputStream
setPipeline
initDataStreaming
错误处理
DataStreamer错误处理部分，主要是由processDatanodeError()方法实现的。在DataStreamer发送数据包的过程中，由hasError、errorindex 和 restartingNodelndex 这三个变量 记录错误信息，它们分别表明数据流管道是否出现错误、数据流管道中错误的Datanode索引、 数据流管道中需要重启的Datanode索引。
在发送数据包的过程中，可能出现如下错误：
在建立数据流管道的过程中：在createBlockOutputStream()方法中，调用DataTransfer Protocol.writeBlock()请求时，下游Datanode可能出现异常，并随着writeBlock()的响 应带回。在异常处理代码中，对hasError、errorindex和restartingNodelndex这三个 变量赋值。
数据包发送完成后：下游节点会对每个数据包进行ack确认。ack确认消息中就会携 带岀现故障的Datanode信息，也就是在ResponseProcessor.run()方法处理ack消息时, 异常处理代码会对hasError、errorindex和restartingNodelndex这三个变量赋值。
在DataStreamer.run()中，通过底层IO流发送数据包时会出现异常(这个时候，由于 没有下游节点返回的消息，所以直接将数据管道流中的第一个节点标识为错误节点)。
出现错误之后的错误处理是由processDatanodeErrorf)方法实现的，它的流程可以分为以 下三个部分。
- 关闭当前10流。
- 将ackQueue队列中的元素移动到dataQueue中重新发送。
- 重新初始化数据流管道。
-
setupPipelineForAppendOrRecovery()
主要应用在两种情况下：- append操作时用于创建数据流管道；
- 数据流管道写数据出现异常时，进行恢复操作。
恢复操作有三个目的：- 等待重启的Datanode启动；
- 将错误的Datanode从数据流管道中删除，将新的Datanode添加到数据流管道中；
- 最后更新Namenode命名空间中数据块 的时间戳，这样异常Datanode ±的过期数据块就可以被删除了；
setupPipelineForAppendOrRecovery()方法的执行流程分为如下几步:- 处理重启的Datanode,这里的处理方式是线程睡眠一段时间(默认为4秒)，等待 Datanode重启。如果睡眠时间过长，超过restartDeadline,那么将这个重启的Datanode 标志为错误节点。
2.处理异常的Datanode,处理方式是从数据流管道中移除异常的Datanodeo
如果满足了替换异常Datanode的条件，则调用addDatanode2ExistingPipeline()方法在 数据流管道中添加一个新的Datanodeo
调用 ClientProtocoLupdatcBlockForPipeline()更新数据块的时间戳，这样异常 Datanode 上的时间戳错误的过期数据块就可以被删除了。
如果数据流管道恢复成功，则更新Namenode命名空间中数据块的时间戳，同时更 新当前Client侧缓存的数据块信息的时间戳。
在满足什么样的条件下，会用新的Datanode替换数据流管道中异常的Datanode呢？
根据配置，当当前数据节点的数目小于所需要的副本数目除2,以及在appencVhflushed操作下， 当前数据节点的数目小于所需要的副本数目时，调用addDatanode2ExistingPipeline()方法将新 的数据节点添加到当前的数据流管道中。
ResponseProcessor线程
ResponseProcessor线程的处理逻辑比较简单，它从数据流管道下游节点的输入流中读入响应消息。然后判断响应状态，如果下游数据节点执行写入数据包失败，则通过ack消息中的应答码记录错误节点(errorlndex ),并设置错误标志位(hashError )。最后会在
DataStreamer.run()方法中调用processDatanodeEroor()理这个错误信息。如果下游节点写入数据包成功，则把当前数据包信息从ackQueue中移除。
