1.HDFS的三个进程
NameNode(NN)：名称节点，Client第一个操作对象；
DataNode(DN)：数据节点，存储数据；
Secondary NameNode(SNN)：第二名称节点；
2.Block数据块
大小：
旧版本：64M
新版本：128M
参数： dfs.blocksize
3.副本数
dfs.replication : 3
一个块会变为3个块
hadoop2.x一般公司就3个
hadoop3.0 : 1.5(新特性 纠删码) 1+0.5
4.架构设计
NameNode: 文件系统的命名空间
1.文件名称
2.文件目录结构
3.文件的属性(权限 创建时间 副本数)
4.文件对应哪些数据块--》这些数据块对应哪些DataNode节点上
不会持久化存储这个映射关系，是通过集群的启动和运行时，datanode定期发送blockReport给NameNnode，以此NameNode在【内存】中动态维护这种映射关系。
存储:维护文件系统树及整个树内的所有文件和目录，这些信息以两种文件形式永久保存在本地磁盘上：命名空间镜像文件fsimage、编辑日志editlog
DataNode:
存储: 数据块、数据块校验和
与NameNode通信:
1.每隔3秒发送一次心跳，参数可配置
2.每隔10次心跳发送一次blockReport(30s)
Secondary NameNode:
存储: 命名空间镜像文件fsimage、编辑日志editlog
作用: 定期合并fsimage+editlog文件为新的fsimage，推送给NameNode，称为检查点，checkpoint
参数: dfs.namenode.checkpoint.period：3600 秒/
实验: NameNode挂了，Secondary NameNode去恢复(企业不用)
http://hmilyzhangl.iteye.com/blog/1407214
5.机架rack
机柜，每个机柜分别有各自的 IP 段
rack1挂了，rack2还能提供服务
6.副本放置策略
7.文件读写流程
1、Client通过FileSystem.open(filePath)方法，去与NameNode进行RPC通信，返回该文件的部分或全部的Block列表（也包含该列表各Block的分布在Datanode地址的列表），也就是返回FSDataInputStream对象；
2、Client调用FSDataInputStream对象的read()方法：
a.去与第一个块的最近的datanode进行read，读取完后，会check，假如successful，会关闭与当前DataNode的通信（假如check fail，则记录失败的块与DataNode信息，下次就不再读取，去该块的第二个DataNode地址读取）；
b.然后去第二个块的最近的DataNode上进行读取，check后会关闭与DataNode的通信；
c.假如Block列表读取完成，文件还未结束，那么FileSystem会从NameNode获取下一批的Block的列表（读操作对于Client端是透明的，感觉就是连续的数据流）；
3、Client调用FSDataInputStream.close()方法，关闭输入流。
1、Client调用FileSystem.create(filePath)方法，与NameNode进行RPC通信，check该路径的文件是否存在以及有没有权限创建该文件，假如OK，就创建一个新文件，但是并不关联任何block，返回一个FSDataOutputStream对象（假如check fail，则返回错误信息，所以写代码要try-catch）;
2、Client调用FSDataOutputStream对象的write()方法，将第一个块写入第一个DataNode，第一个DataNode写完传给第二个节点，第二个写完传给第三个节点，当第三个节点写完返回一个ack packet 给第二个节点，第二个节点返回一个ack packet给第一个节点，第一个节点返回ack packet给FSDataOutputStream对象，意思标识第一个块写完，副本数为3，剩余块按此以此写（当然写操作对于Client端也是透明的）；
3、当文件写入数据完成后，Client调用FSDataOutputStream.close()方法，关闭输出流，flush缓存的数据包；
4、再调用FileSystem.complete()方法，告诉NameNode节点写入成功。
