HDFS文件讀取過程

1. Client向NameNode發起RPC請求，來確定請求文件block所在的位置
2. NameNode會視情況返回文件的部分或者全部block列表，對於每個block，NameNode都會返回含有該block副本的DataNode地址；這些返回的DataNode地址，會按照集羣拓撲結構得出DataNode與客戶端的距離，然後進行排序，排序兩個規則：網絡拓撲結構中距離Client近的排靠前，心跳機制中超時彙報的DataNode狀態爲STALE，這樣的排靠後。
3. Client 選取排序靠前的DataNode來讀取block，如果客戶端本身就是DataNode，那麼將從本地直接獲取數據（短路讀取特性）
4. 底層上本質是建立SocketStream（FSDataInputStream）,重複的調用父類DataInputStream的read方法，直到這個塊上的數據讀取完畢。
5. 當讀完列表的block後，若文件讀取還沒有結束，客戶端會繼續向NameNode獲取下一批的block列表；
6. 讀取完一個block都會進行checksum驗證，如果讀取DataNode時出現錯誤，客戶端會通知NameNode，然後再從下一個擁有該block副本的DataNode繼續讀。
7. read方法是並行讀取block信息，不是一塊一塊的讀取，NameNode只是返回Client請求包含塊的DataNode地址，並不是返回請求塊的數據；
8. 最終讀取的所有的block會合併成一個完整的最終文件。