在讀取HDFS上的檔案時，Client、NameNode以及DataNode都會相互關聯。按照一定的順序來實現讀取這一過程，讀取過程如下圖所示：

　　通過上圖，讀取HDFS上的檔案的流程可以清晰的知道，Client通過例項開啟檔案，找到HDFS叢集的具體資訊（我們需要操作的是 ClusterA，還是ClusterB，需要讓Client端知道），這裡會建立一個輸入流，這個輸入流是連線DataNode的橋樑，相關資料的讀取 Client都是使用這個輸入流來完成的，而在輸入流建立時，其建構函式中會通過一個方法來獲取NameNode中DataNode的ID和Block的 位置資訊。Client在拿到DataNode的ID和Block位置資訊後，通過輸入流去讀取資料，讀取規則按照“就近原則”，即：和最近的 DataNode建立聯絡，Client反覆呼叫read方法，並將讀取的資料返回到Client端，在達到Block的末端時，輸入流會關閉和該 DataNode的連線，通過向NameNode獲取下一個DataNode的ID和Block的位置資訊（若物件中為快取Block的位置資訊，會觸發 此步驟，否則略過）。然後拿到DataNode的ID和Block的位置資訊後，在此連線最佳的DataNode，通過此DataNode的讀資料介面， 來獲取資料。

　　另外，每次通過向NameNode回去Block資訊並非一次性獲取所有的Block資訊，需得多次通過輸入流向NameNode請求，來獲取 下一組Block得位置資訊。然而這一過程對於Client端來說是透明的，它並不關係是一次獲取還是多次獲取Block的位置資訊，Client端在完 成資料的讀取任務後，會通過輸入流的close()方法來關閉輸入流。

　　在讀取的過程當中，有可能發生異常，如：節點掉電、網路異常等。出現這種情況，Client會嘗試讀取下一個Block的位置，同時，會標記該 異常的DataNode節點，放棄對該異常節點的讀取。另外，在讀取資料的時候會校驗資料的完整性，若出現校驗錯誤，說明該資料的Block已損壞，已損 壞的資訊會上報給NameNode，同時，會從其他的DataNode節點讀取相應的副本內容來完成資料的讀取。Client端直接聯絡 NameNode，由NameNode分配DataNode的讀取ID和Block資訊位置，NameNode不提供資料，它只處理Block的定位請 求。這樣，防止由於Client的併發資料量的迅速增加，導致NameNode成為系統“瓶頸”（磁碟IO問題）。