一、hdfs读取流程图

假设block副本个数3个

image.png

客户端发起请求到namenode节点，要求namenode告诉客户端读取的block位置在哪些datanode上，第一次读取的datanode一般是网络路径最近的一个，如果读取失败，客户端会通过ClientProtocol协议上报给namenode，该datanode节点的block数据损坏了，然后继续读取datanode2一直到读取成功或者读完所有datanode。

一、hdfs读取流总结

1. hdfs读过程涉及到很多rpc通讯，其中DFSClient与NameNode通信协议是ClientProtocol，NameNode和DataNode通信协议是DatanodeProtocol
   ，NameNode与secondaryNameNode通信协议是NamenodeProtocol。
2. hdfs通讯有自带的RPC和Socket通讯，其中client和namenode，datanode和namenode是通过rpc通信而client和datanode之间是通过socket通信。
3. hdfs有远程scoket读取和本地读取两种方式，如果设dfs.client.read.shortcircuit = true，如果client和block在一个节点上，就会直接读取，无需通过TCP远程读取，提高读取效率。
4. hdfs存储的单位是block，一个条大数据可以跨多个block存储，但是读取时候是一packet包读取的，每个packet能够传输多个chunk，一个block会被切分多个chunk。