1、跟namenode通信查询元数据，找到文件块所在的datanode服务器
2、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流
3、datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）
4、客户端以packet为单位接收，先在本地缓存，然后写入目标文件
当然为了避免翻车，还是希望大家可以真的去看看部分源码，装X要适当，稍微秀一下就可以，不然被追问导致翻车的可能性还是有的。
hdfs 有哪些进程，各自的作用是什么？NameNode：Namenode 管理者文件系统的Namespace。它维护着文件的元数据，包括文件名、副本数、文件的BlockId，以及block所在的服务器，会接受来自client端的读写请求，和datanode的block信息上报。
DataNode：hfds的工作节点，他们根据客户端或者是namenode的调度存储和检索数据，并且定期向namenode发送他们所存储的块(block)的列表。
JournalNode：负责两个NameNode高可用时的数据同步保证数据一致，存放NameNode的editlog文件（元数据），部署在任意节点，奇数个。
DFSZKFailoverController（ZKFC）：负责监控NameNode的健康状态，并及时把信息状态写入Zookeeper，如有异常会触发主从切换，部署在有NameNode的节点。
另外你上百度搜这个问题的话，很少会提到后面两个进程，SecondaryNameNode却经常被提到，这个东东其实可以不用说，是 hadoop 比较旧而且已经基本没公司用的一种部署方式，NameNode会有单点问题，所以可以不用和其他的混合在一起说。
hdfs 如何保证可用性 ？NameNode的高可用由JournalNode和DFSZKFailoverController保证，JN负责主从数据的一致，ZKFC负责主从的failover；
数据在HDFS中是默认存储三份的，且在不同的DataNode，所以DataNode挂掉两台仍然能保证数据的完整性；（挂三台的概率理论上是很低的，真挂了的话就算是重大事故了，等着罚钱吧。那有什么更好的解决办法呢？其实是有的，就是逢年过节记得要拜拜服务器，多上几柱香）
JournalNode也是分布式的，因为有选举机制，所以默认要大于1的奇数个服务器在线，挂掉一两台问题也不太大，但是要做好监控。
DFSZKFailoverController（ZKFC）这个进程貌似在设计上并没有去关注可用性的问题，它是部署在两个NameNode节点上的独立的进程，但是其实他的作用就是辅助zookeeper做NameNode的健康监控，所以可以直接说Zookeeper的可用性。
Zookeeper是一个独立的分布式系统，用于管理和协调分布式系统的工作，它本身也会通过zab协议来保证数据一致，和主备节点的选举切换等等。
另外，这个类型的文章我也准备来写一个系列，每一篇会涉及几个大数据面试的问题和答案，也会有我的一些想法和建议。这是开篇，就先写HDFS相关的，另外我会尽量提高发文的频率，大家还是多多支持啦，好看就点个在看吧。
觉得有价值请关注 ▼