HDFS写数据流程（面试重点）
剖析文件写入
1 客户端请求NameNode获取dn1,dn2,dn3
》》1 客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
》》2 NameNode返回是否可以上传。
》》3 客户端请求第一个 Block上传到哪几个DataNode服务器上。
》》4 NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。
2 客户端建立dn1,dn2,dn3的通道
》》5 客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。
》》6 dn1、dn2、dn3逐级应答客户端。
3 客户端写数据到dn1,dn2,dn3
》》7 客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答。
》》8 当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）
网络拓扑-节点距离计算
网络拓扑(Network Topology)结构是指用传输介质互连各种设备的物理布局
在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。
例如，假设有数据中心d1机架r1中的节点n1。
该节点可以表示为/d1/r1/n1。利用这种标记，这里给出四种距离描述，
大家算一算每两个节点之间的距离
Distance(/d1/r1/n0, /d1/r1/n0)=0（同一节点上的进程）
Distance(/d1/r2/n0, /d1/r3/n2)=4（同一数据中心不同机架上的节点）
Distance(/d1/r1/n1, /d1/r1/n2)=2（同一机架上的不同节点）
Distance(/d1/r2/n1, /d2/r4/n1)=6（不同数据中心的节点）
机架感知（副本存储节点选择）
机架感知说明
http://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication
For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on one node in the local rack, another on a different node in the local rack, and the last on a different node in a different rack.
机架感知是什么？ 副本存储节点选择的算法或者策略。
Hadoop2.7.2副本节点选择
第一个副本在Client所处的节点上。如果客户端在集群外，随机选一个。
第二个副本和第一个副本位于相同机架，随机节点。
第三个副本位于不同机架，随机节点。
为什么有进行机架感知？
HDFS系统的机架感知策略的优势是防止由于某个机架失效导致数据丢失，并且允许读取数据时充分利用多个机架的带宽
HDFS读数据流程（面试重点）
HDFS的读数据流程
1 客户端获取最近的dn
》》1 客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
》》2 挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
2 客户端从dn上读数据
》》3 DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，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。