1.读取文件
客户端通过调用FileSystem对象的open()来读取希望打开的文件。
2. 发送请求,确定文件block所在的位置
Client向NameNode发起RPC请求,来确定请求文件block所在的位置;RPC指的是远程过程调用。是集群中多个组件、多个模块进行数据通信的一种方式。
3. 获取文件block所在的位置
NameNode会视情况返回文件的部分或者全部block列表,对于每个block,NameNode都会返回含有该block副本的DataNode地址这些返回的DN地址,会按照集群拓扑结构得出DataNode与客户端的距离,然后进行排序,排序两个规则:网络拓扑结构中距离Client 近的排靠前;心跳机制中超时汇报的DN状态为STALE这样的排靠后;
4.读取block,如果客户端本身就是DataNode,直接读取
Client选取排序靠前的DataNode来读取block,如果客户端本身就是DataNode,那么将从本地直接获取数据(短路读取特性);
5. 读取block
底层上本质是建立 Socket Stream(FSDataInputStream),重复的调用父类 DataInputStream的read方法,直到这个块上的数据读取完毕;
6.并行读取,若失败重新读取
7.发送请求,获取下一个文件block所在的位置
当读完列表的 block 后,若文件读取还没有结束,客户端会继续向NameNode 获取下一批的block列表
8.返回后续block列表
9. 最终关闭读流,并将读取来所有的 block 会合并成一个完整的最终文件