文件的读取流程
我们一般使用FileSystem来打开HDFS中的一个文件，使用open()方法。
对于HDFS来说，FileSystem是由其子类DistributeFileSystem的一个实例来完成的：
我们可以进入其open()方法中：
首先，DistributeFileSystem对象会对当前的读线程进行计数，这就跳过哈。然后就会将输入的路径进行转化一下，变成绝对路径，然后，会通过一个RPC远程服务调用和NameNode进行通讯，NameNode会返回文件块的起始位置，还有包含当前文件块的副本的位置DataNode地址。
客户端调用open()方法后，会返回一个FSDataInputStream对象供用户读取数据，而FSDataInputStream会在一个FileSystemLinkResolver中封装成DFSInputStream对象，而这就是关键的对象，它管理着HDFS的IO流程。
之后，在demo代码中：
Hadoop提供的IOUtils.copyBytes()方法会去调用输入流中的read()方法，获得数据
实际调用的read()方法：
在readWithStrategy中，会调用blockSeekTo()方法，会去寻找当前需要访问的DataNode节点信息。
我们进入到blockSeekTo()方法中：
Open a DataInputStream to a DataNode so that it can be read from.
We get block ID and the IDs of the destinations at startup, from the namenode.
会去开启一个连接到DataNode的DataInputStream流，在启动的时候已经从NameNode中得到block 的ID以及每个终点的起始位置。
启动时从NameNode中获取到的元数据是存放在
LocatedBlock对象中的：
接着会根据偏移量来得到一个目标DataNode，具体的方法为getBlockAt():
经过这个方法，我们就可以得到目标DataNode:这里和我的集群192.168.10.102对应上了！
建立连接之后，就可以读取到对应的数据了，但是他不是仅仅读取一次就可以了，当数据块的个数比较多的时候，当前的数据块读取完毕后会关闭和当前DataNode的连接，然后会去寻找下一块最佳的DataNode，进行类似的操作，直到所有的数据都读取完毕。
读取完一个DataNode的数据后关闭该DataNode的连接，然后和下一个DataNode建立连接的过程是对客户透明的，在客户看来，他就是在从他持有的DFSInputStream对象中不断的读取数据，是一个连续不间断的流。
以上就是从HDFS中打开一个数据输入流的过程。
最佳DataNode选择
我们知道，HDFS会将数据生成副本，对于同一个数据块（block），会生成不同的副本放在不同的DataNode上，那到底选择哪一个DataNode来作为实际选择的数据读取对象呢？
在HDFS中，会有一个chooseDataNode()的方法，会从nodes的列表里选择一个最佳的node作为目标DataNode。
DatanodeInfo对象是对DataNode信息进行了封装，我们可以进去看看：
这个里面会有很多DataNode的信息，比如容量以及地址等信息。
在HDFS的客户端中，最佳node的选择很简单：
if (nodes != null) {
for (int i = 0; i < nodes.length; i++) {
if (!deadNodes.containsKey(nodes[i])
&& (ignoredNodes == null || !ignoredNodes.contains(nodes[i]))) {
chosenNode = nodes[i];
// Storage types are ordered to correspond with nodes,
// so use the same index to get storage type.
if (storageTypes != null && i < storageTypes.length) {
storageType = storageTypes[i];
}
break;
}
}
}
直接从NameNode返回的DataNode列表中选择第一符合要求的即可，在代码有几个需要注意的变量：
在读取数据时，DFSInputStream会不断确认DataNode的状态，一旦与DataNode通信发生异常，会将其放置在对应的列表中，dead、ignored，确保下次不会将其选中；然后会从下一个最近的DataNode继续读取，并通知NameNode。
- deadNodes——datanodes that already dedad(not working)
hadoop3.1.3版本中：（代码贡献点啊，老铁们，嘻嘻嘻）——开源代码贡献者指日可待，嘻嘻嘻
- ignoredNodes——datanodes that we don’t care.
？？为啥选择第一个满足条件的呢
因为NameNode返回的DataNode是按照优先级排好序的，我们只要选择第一个正常工作的DataNode建立即可，响应的代价最小。
为chosenNode赋值之后，就可以和该DataNode建立socket网络连接了。