Hadoop系列（十二）HDFS如何从DataNode上读取文件数据？

前面《Hadoop系列（九）HDFS的数据文件是如何被写入DataNode?》我们介绍了文件数据写入到DataNode的过程，这篇文章我们介绍下从DataNode上读取文件数据的过程，如图：

整个读取文件过程如下：

1. Client向NameNode发起RPC请求，来确定请求⽂件block所在的位置；
2. NameNode会视情况返回⽂件的部分或者全部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 DN 地址，会按照集群拓扑结构得出DataNode 与客户端的距离，然后进⾏排序，
排序两个规则：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 DN 状态为 STALE，这样的排靠后；
3. 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)；
4. 底层上本质是建⽴ Socket Stream（FSDataInputStream），重复的调⽤⽗类DataInputStream 的 read ⽅法，直到这个块上的数据读取完毕；
5. 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 获取下⼀批的block 列表；
6. 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。
7. 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；
8. 最终读取来所有的 block 会合并成⼀个完整的最终⽂件

备注：

1、hdfs写入数据是串行写入的，也就是先写A，再写B，再写C。

2、hdfs读取数据是并行读取的。