客户端读取hdfs数据
（1）客户端通过调用FIleSystem对象的open()方法来打开希望读取的文件，对于hdfs来说，这个对象是分布式文件系统的一个实例。
（2）DistributedFileSystem通过使用rpc来调用namenode，以确定文件起始块的位置。对于每一个块，namenode返回存有该块副本的datanode的地址。此外，这些datanode根据他们与客户端的距离来排序（机架感应）。如果该客户端本身就是一个datanode（比如，在一个MapReduce任务中），并保存有相应数据块的一个副本时，该节点将从本地datanode中读取数据。
（3）DistributedFileSystem类返回一个FSDataInputStream对象（支持文件定位的输入流）给客户端读取数据。FSDataInput类转而封装DFSInputStream对象，该对象管理着datanode、namenode的I/O。接着，客户端对这个输入流调用read()方法。
（4）存储着文件起始块的datanode地址的DFSInputStream 随即连接距离最近的文件中第一个块所在的datanode。通过对数据流反复调用read()方法，可以将数据从datanode传输到客户端。
（5）到达块的末端时，DFSInputStream 会关闭与该datanode的连接，然后寻找下一个块的最佳datanode。客户端只需要读取连续的流，并且对于客户端都是透明的。客户端从流中读取数据时，块是按照打开DFSInputStream与datanode新建连接的顺序读取的。它根据需要询问namenode来检索下一批所需块的datanode的位置。
（6）一旦客户端读取完成，就对FSDataInputStream调用close()方法，在读取数据的时候，如果DFSInputStream在与datanode通信时遇到错误，它便尝试从这个块的另外一个最邻近的datanode读取数据。它也会记住哪个故障的datanode，以保证以后不会反复读取该节点上后续的块。DFSInputStream也会通过校验和确认从datanode发来的数据是否完整。如果发现一个损坏的块，它就会在DFSInputStream 试图从其他datanode读取一个块的副本，也会将被损坏的块通知给namonode。
这个设计的一个重点是，客户端可以直接连接到datanode检索数据，且namenode告诉客户端每个块中的最佳datanode。由于数据流分散在该集群中所有的datanode，所以这种设计能使HDFS可扩展到大量的并发客户端。同时，namenode仅需要响应快位置的请求（这些信息存储在内存中，因而非常高效），而无需响应数据请求，否则随着客户端数量的增长，namenode很快会成为一个瓶颈。