HDFS——块扫描与目录扫描
【前言】
在dn整体架构一文中提到了逻辑业务层包括BP管理、块扫描和目录扫描，文本就来聊聊块扫描和目录扫描的大概原理。
【块扫描】
块扫描主要是对dn上存储的所有block进行数据完整性校验。进一步来讲，就是读取dn存储的所有block文件，以及对应的元数据（meta）文件，然后进行数据完整性的校验。
在dn的具体实现中，块扫描对应的类BlockScanner只是一个壳，具体扫描由VolumeScanner负责。每个VolumeScanner负责一个目录，同时也是一个独立的线程。在该线程中，扫描并读取各自目录中的block数据。
每个配置的目录都有一个唯一的ID，BlockScanner中就以该ID为key，VolumeScanner为value，保存所有的VolumeScanner。
由于扫描需要读取具体block文件中的数据和meta文件中的数据，为了避免扫描产生的IO对正常读写IO性能产生影响，因此，块扫描会进行一定的限速处理。
又因为有了限速，一次完整的块扫描耗时是非常长的，为了避免扫描过程中，dn意外的重启，导致重新开始扫描，因此扫描过程中会定期将扫描的信息记录到磁盘文件中（游标文件），dn重启后读取该文件继续本次扫描直到扫描完所有的block。
另外，VolumeScanner并不是在dn启动后就创建运行的，而是当dn成功向nn获取到命名空间信息后，才会在每个VolumeScanner中添加对应的BP，并启动扫描。也就是说只有获取到命名空间（包括BP信息）的BP，才会扫描对应目录下的block，而未被添加的BP，则不会扫描。
相关的配置：
dfs.block.scanner.volume.bytes.per.second
每秒扫描的字节数，默认为1M，设置为0表示不启用块扫描功能。
dfs.datanode.scan.period.hours
块扫描的时间间隔，默认为504（小时）。
dfs.block.scanner.cursor.save.interval.ms
block扫描游标文件保存的时间间隔。
【目录扫描】
目录扫描的主要目的判断是磁盘中实际存储的block文件和内存中记录的是否一致。具体包括检查block是否存在，block的大小、时间戳等和内存中记录的是否一致。如果有不一致的情况，会以实际磁盘中的文件为准，修正内存中记录的信息。
与块扫描不同，目录扫描不会进行实际文件的读取，仅仅是扫描目录下的文件，从文件名去判断内存中是否存在对应的block。
相关的配置：
dfs.datanode.directoryscan.threads
扫描的最大并发线程数，默认值为1，如果dn配置了多个目录，可以考虑设置与目录数一致（用于加速对目录的扫描）
dfs.datanode.directoryscan.interval
目录扫描的时间间隔，默认时间为21600s，即6小时。
有几点需要注意：
与块扫描一样，dn启动时并不会立即启动目录扫描，而是等成功向nn请求到命名空间信息后，才初始化目录扫描。并且是计算出一个随机的时间（小于配置的时间），在这个时间点开始首次扫描，而后就是按照配置的时间周期性的进行扫描。
在目录扫描的过程中，会在内存中构造所有block的完整信息，类似于《DN的存储数据结构》一文中提到的ReplicaMap，然后再与内存中记录的信息进行比较。
对于存储了较多block的dn而言，可能会出现短暂的内存飙升，扫描结束后内存自然也就降下来了。但是如果在扫描过程中，dn所在的节点没有足够多的内存容纳对应的数据（尤其是dn以容器的方式部署运行时，容器没有设置足够大的内存），那么就会导致dn频繁的进行full GC，甚至导致dn进程异常退出。
【总结】
dn的块扫描和目录扫描一定程度上保证了数据的完整性。