HDFS 是一种分布式文件系统，可通过商用机器网络存储数据。 HDFS 适用于流数据访问模式，这意味着它支持多写和多读功能。 HDFS 上的读操作非常重要，也非常有必要让我们在 HDFS 上工作时了解在 HDFS（Hadoop 分布式文件系统）上实际读取是如何完成的。让我们了解 HDFS 数据读取的工作原理。
在 HDFS 上阅读似乎很简单，但事实并非如此。每当客户端向 HDFS 发送请求以从 HDFS 读取某些内容时，不会直接授予客户端访问数据或 DataNode 的权限，因为客户端没有关于数据的信息，即存储 DataNode 数据的位置或者在 DataNode 上制作数据副本的地方。如果不知道有关 DataNode 的信息，客户端将永远无法访问或读取来自 HDFS 的数据。
因此，这就是客户端首先向 NameNode 发送请求的原因，因为 NameNode 包含我们在 HDFS 上执行读取操作所需的所有元数据或信息。一旦 NameNode 收到请求，它就会响应并向客户端发送所有信息，例如 DataNode 的数量、制作副本的位置、数据块的数量及其位置等。现在客户端可以使用 NameNode 提供的所有这些信息读取数据。客户端并行读取数据，因为相同数据的副本在集群上可用。读取整个数据后，它将所有块组合为原始文件。
让我们用一张合适的图来理解在 HDFS 上读取的数据
在学习 HDFS 读操作之前我们必须知道的组件。
NameNode： Namenode 的主要目的是管理所有的 MetaData。正如我们所知，数据以块的形式存储在 Hadoop 集群中。因此，MetaData 中提到了该文件块存储在哪个 DataNode 或哪个位置。 Hadoop 集群中发生的事务日志，何时或谁读取或写入数据，所有这些信息都将存储在 MetaData 中。
DataNode： DataNode 是一个运行在从系统上的程序，它服务于来自客户端的读/写请求，用于以块的形式存储数据。
HDFS Client： HDFS Client 是 HDFS 和用户之间的中间组件。它与 Datanode 或 Namenode 通信并获取用户请求的基本输出。
在上图中我们可以看到，首先，我们将请求发送到我们的 HDFS 客户端，这是一组程序。现在，这个 HDFS 客户端联系 NameNode，因为它拥有有关我们要读取的文件的所有信息或元数据。 NamoNode 做出响应，然后将所有元数据发送回 HDFS 客户端。一旦 HDFS 客户端知道它必须从哪个位置挑选数据块，它就会要求 FS 数据输入流指出数据节点上的那些数据块。 FS 数据输入流然后进行一些处理并使这些数据可供客户端使用。
让我们看看从HDFS读取数据的方式。
使用 HDFS 命令：
借助以下命令，我们可以直接从 HDFS 读取数据（注意：确保所有 Hadoop 守护进程都在运行）。
启动 Hadoop 守护进程的命令
start-dfs.sh
start-yarn.sh从 HDFS 读取数据的语法：
hdfs dfs -get
# destination path is where we want to store the readed file on local machine
命令
在我们的例子中，我们在 HDFS 根目录中有一个名为 dikshant.txt 的文件，其中包含一些数据。下面的命令，我们可以用来列出 HDFS 根目录上的数据。
hdfs dfs -ls /
下面的命令将从 HDFS 的根目录读取数据并将其存储在我本地机器上的 /home/dikshant/Desktop 位置。
hdfs dfs -get /dikshant.txt /home/dikshant/Desktop
在下图中，我们可以观察到数据已成功读取并存储在/home/dikshant/Desktop目录中，现在我们可以通过打开此文件来查看其内容。
