这一篇主要来概括的介绍一下HDFS读取文件的具体过程。
一：预备知识：
在HDFS中namenode存储元数据，他的数据量并不是很大，但是在逻辑上却比Datanode的压迫复杂的多，一个具体的文件被拆分成了多个文件数据，存储在多个Datanode上，每个数据块文件在Datanode上都表现为一对文件，一个是真正的数据的文件，一个是附加的信息的元数据文件。因为是分布式的嘛，更何况还是把文件切成块了，所以必须得保存一些重要的信息，否则这些零散的文件块就没办法组织起来了嘛，这个似乎好理解。
二：服务器之间的通信。
必然的是，他们肯定是基于TCP/IP协议进行的通信啊，只是作为一个大的分布式系统来说，再想一想我们初学Java通信的时候讲到过，通信就必须涉及到通信协议的问题，不然程序无法规范的发送数据，对方也是是无法解读发来的信息的啊，于是，Hadoop内部就设计了一整套的一大推通信协议，每一对服务器之间的通信协议都被设计成了一个接口，在独立的线程中调用RPC请求。
好！进入正题
一：HDFS的读文件的机制。
Client用get()方法获得一个HDFS的一个实例（DistributedFileSystem类型数据实例）
该实例(client)用FileSystem的open()函数打开文件
DistributedFileSystem用RPC调用元数据节点，得到文件的数据块信息。
对于每一个数据块，元数据节点返回保存数据块的数据节点的地址。
DistributedFileSystem返回FSDataInputStream给客户端，用来读取数据。
客户端调用stream的read()函数开始读取数据。
DFSInputStream连接保存此文件第一个数据块的最近的数据节点。
Data从数据节点读到客户端(client)
当此数据块读取完毕时，DFSInputStream关闭和此数据节点的连接，然后连接此文件下一个数据块的最近的数据节点。
当客户端读取完毕数据的时候，调用FSDataInputStream的close函数。
在读取数据的过程中，如果客户端在与数据节点通信出现错误，则尝试连接包含此数据块的下一个数据节点。
失败的数据节点将被记录，以后不再连接。
二：HDFS写入文件的机制
客户端调用create()来创建文件
DistributedFileSystem用RPC调用元数据节点，在文件系统的命名空间中创建一个新的文件。
元数据节点首先确定文件原来不存在，并且客户端有创建文件的权限，然后创建新文件。
DistributedFileSystem返回DFSOutputStream，客户端用于写数据。
客户端开始写入数据，DFSOutputStream将数据分成块，写入data queue。
Data queue由Data Streamer读取，并通知元数据节点分配数据节点，用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。
Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点。第二个数据节点将数据发送给第三个数据节点。
DFSOutputStream为发出去的数据块保存了ack queue，等待pipeline中的数据节点告知数据已经写入成功。
如果数据节点在写入的过程中失败：关闭pipeline，将ack queue中的数据块放入data queue的开始。
当前的数据块在已经写入的数据节点中被元数据节点赋予新的标示，则错误节点重启后能够察觉其数据块是过时的，会被删除。
失败的数据节点从pipeline中移除，另外的数据块则写入pipeline中的另外两个数据节点。
元数据节点则被通知此数据块是复制块数不足，将来会再创建第三份备份。
当客户端结束写入数据，则调用stream的close函数。此操作将所有的数据块写入pipeline中的数据节点，并等待ack queue返回成功。最后通知元数据节点写入完毕，元数据才会记录数据块的信息。
