【精】彻底理解HDFS读文件流程

读完本文，你将收获如下：
①HDFS读文件的整体流程。
②读取数据过程中的一些细节，例如：如果文件的最后一个block正在写，客户端能否读到？客户端选择哪个DataNode去读？
③ LocatedBlocks对象图解、DFSInputStream关键成员变量的释义等。

下面正式开始本文：

一、前置知识

1.1 LocatedBlocks对象

结构大致如下图所示:

客户端调用getBlockLocations RPC后，NameNode返回给客户端LocatedBlocks对象。包含了文件指定范围内的block所在的DataNode位置locs等信息，其中这个locs数组是经过排序的，排序规则利用了网络的拓扑信息（机架信息），距离Client网络距离最近的DataNode将会排在locs数组的前面。规则如下：

Hadoop采用一个简单的方法：把网络看做一棵树，两个节点间的距离是它们到最近共同祖先的距离总和。该树中的层次是没有预先设定的，但是相对于数据中心、几家和正在运行的节点，通常可以设定等级。具体想法是针对以下每个场景，可用带宽依次递减：

同一个节点上的进程
同一机架上的不同节点
同一数据中心中不同机架上的节点
不同数据中心中的节点

例如，假设有数据中心 d1 机架 r1 中的节点 n1.该节点