一、上传数据
二、下载数据
三、读写时的节点位置选择
1.网络节点距离（机架感知）
下图中：
client 到 DN1 的距离为 4
client 到 NN 的距离为 3
DN1 到 DN2 的距离为 2
2.Block 的副本放置策略
NameNode 通过 Hadoop Rack Awareness 确定每个 DataNode 所属的机架 ID
简单但非最优的策略
将副本放在单独的机架上
这可以防止在整个机架出现故障时丢失数据，并允许在读取数据时使用来自多个机架的带宽。
此策略在群集中均匀分布副本，平衡组件故障的负载。
但是此策略会增加写入消耗，因为写入时会将块传输到多个机架。
常见情况策略（HDFS 采取的策略）
当复制因子为 3 时，HDFS 的放置策略是：
若客户端位于 datanode 上，则将一个副本放在本地计算机上，否则放在随机 datanode 上
在另一个（远程）机架上的节点上放置另一个副本，最后一个在同一个远程机架中的另一个节点上。
机架故障的可能性远小于节点故障的可能性。
此策略可以减少机架间写入流量，从而提高写入性能，而不会影响数据可靠性和可用性（读取性能）。
这样减少了读取数据时使用的聚合网络带宽，因为块只放在两个唯一的机架，而不是三个。
如果复制因子大于 3，则随机确定第 4 个及后续副本的放置，同时保持每个机架的副本数量低于上限（基本上是（副本 - 1）/机架+ 2）。
由于 NameNode 不允许 DataNode 具有同一块的多个副本，因此创建的最大副本数是此时DataNode的总数。
原文（Replica Placement: The First Baby Steps 章节）： http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html
3.下载时副本的选择
为了最大限度地减少全局带宽消耗和读取延迟，HDFS 会选择最接客户端的节点中的副本来响应读取请求。
如果客户端与 DataNode 节点在同一机架上，且存在所需的副本，则该副本会首读用来响应取请求。
如果 HDFS 群集跨越多个数据中心，则驻留在本地数据中心的副本优先于任何远程副本。
原文（Replica Selection 章节）： http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html
来源：oschina
链接：https://my.oschina.net/u/4398028/blog/3574167