HDFS读数据流程

1client向namenode请求block所在的datanode节点列表；
2client从最近位置逐个依次从datanode中读取block信息；
3整个通过io流读取的过程需要校验每个快信息；
4读取完成，关闭所有流。

首先调用FileSystem的open方法获取一个DistributedFileSystem实例；

然后DistributedFileSystem实例通过RPC在NameNode里获得文件的第一批block的locations（可能是需要读取文件的全部，也可能是一部分），同一个block会按照在DataNode的重复数返回多个locations；

返回的多个locations会按照Hadoop拓扑结构排序，按照就近原则来排序；

前面三步结束后会返回一个FSDataInputStream对象，通过调用read方法时，该对象会找出离客户端最近的DataNode并与之建立连接；

数据通过io流从DataNode源源不断地流向客户端；

如果第一个block块数据读取完成，就会关闭指向第一个block块的DataNode连接，接着读取下一个block块，直到把这一批的block块数据读取完成；

每读取完一个block块都会进行checksum验证(校验每个块的信息通过偏移量和预写值对比，写的时候是校验packet的信息)，如果读取 DataNode 时出现错误，客户端会 通知 NameNode，然后再从下一个拥有该 block 拷贝的 DataNode 继续读；

如果第一批blocks读取完成，且文件读取还没有结束，也就是文件还没读完。FSDataInputStream就会向NameNode获取下一批blocks的locations，然后重复上面的步骤，直到所有blocks读取完成，这时就会关闭所有的流。