大数据-hdfs-文件读取流程-详解

详细步骤解析：
1.客户端通过调用FileSystem对象的open()方法来读取希望打开的文件
2.Client向NameNode发起PRC请求，来确定请求文件block所在的位置
3.NameNode会视情况返回文件的部分或者全部的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DataNode地址，会按照集群拓扑地址得出DataNode与客户端的距离，然后进行排序（排序的两个规则：1.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DataNode状态为STALE，这样的节点排靠后）；
4.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.底层上本质是建立Socket Stream（FSDataInputStream），重复调用父类DataInputStream的read方法，直到这个块上的数据被读取完毕；
6.并行读取，若失败重新读取；
7.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block列表；
8.返回后续block列表；
9.最终关闭读流，并将读取来的所有block汇合成一个完整的最终文件。

说明：

1.读取完一个block都会进行checksum验证，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副本的DataNode继续读取。

2.read方法是并行的读取block信息，不是一块一块的读取；NameNode只是返回Client请求包含块的DataNode地址，并不是返回请求块的数据。