HDFS如何读文件？

（1）客户端通过调用FileSystem对象的open()来读取希望打开的文件。

（2）DistributedFileSystem通过RPC来调用namenode，以确定文件的开头部分的块位置。对于每一块，namenode返回具有该块副本的datanode地址。DistributedFileSystem 返回一个FSDataInputStream对象给client读取数据，FSDataInputStream转而包装成一个DFSInputStream对象

（3）client对这个输入流调用read()方法。存储着文件开头部分的块的数据节点的地址DFSInputStream随即与这些块最近的datanode相连接。

（4）通过在数据流中反复调用read()，数据会从datanode返回client。

（5）到达块的末端时，DFSInputStream会关闭与datanode间的联系，然后为下一个块找到最佳的datanode。client端只需要读取一个连续的流，这些对于client来说都是透明的。

client在读取文件时，如果与datanode通信遇到错误，那么它就会去尝试对这个块来说下一个最近的块，并记住那个故障的datanode，以保证不会再对之后的块进行徒劳无益的尝试。

client也会确认datanode发来的数据的校验和。如果发现一个损坏的块，client在会试图从别的datanode中读取一个块的副本之前，将这个错误报告给namenode。

client检索数据时，总是被namenode指引到块中最好的datanode。（这里涉及到一个数据块选择算法）

集群中，namenode仅提供数据块的位置请求（存储在内存中，十分高效），不是提供数据。否则如果客户端数量增长，namenode就会快速成为一个“瓶颈”。