总流程

数据读取请求是由HDFS、NameNode、DataNode共同来完成服务的。下图描述了Hadoop中的文件读取操作。

步骤

1. 客户端通过调用FileSystem对象的open()方法发起读取请求，它的分布式实现类型是DistributedFileSystem，其负责终端用户代码与Hadoop分布式文件系统交互。
2. 这个对象使用RPC连接到Namenode，并获取元数据信息，例如文件的块的位置。
3. 为了响应这个元数据请求，将返回具有该块副本的DataNodes的地址。
4. 一旦接收到DataNode的地址，就会返回一个FSDataInputStream类型的对象给客户端。FSDataInputStream包含DFSInputStream，它负责处理与DataNode和NameNode的交互。在上图中的步骤4中，客户端调用read()方法，使DFSInputStream与第一个DataNode建立连接，并与文件的第一个数据块建立连接。
5. 数据以流的形式被读取，客户端反复调用read()方法。这个read()操作的过程一直持续到把块数据读取完。
6. 一旦一个块数据读取完毕，DFSInputStream就会关闭连接，并继续寻找下一个区块的下一个DataNode。
7. 一旦客户端完成了读取，它就会调用一个close()方法。