本文结合HDFS的副本和分块从宏观上描述HDFS存入文件的整个流程。HDFS体系中包含Client、NameNode、DataNode、SeconderyNameode四个角色，其中Client是客户端，NN负责管理，DN负责存储、SN协助管理。
先来看一个官网上的图
# 图 0 -HDFS的体系结构
HDFS的副本存储有如下规则：
1.client将第一副本放到最靠近的一台DN
2.第二副本优先放到另一个机架
3.以此类推，尽量保证副本放在不同的机架
由于副本和分块机制的存在，当从本地文件系统向HDFS上传文件时，其内部的流程相对比较复杂，可以通过下图及步骤说明进行理解。
# 图 1-1 -hdfs副本存储机制（3副本）
A.对于可存于单块的小文件：
1.client向NN（NameNode）发起存储请求，
2.NN查找自身是否已有相应的文件，
3.若无则，NN向client返回DN1（DataNode）路径，
4.client向DN1传送副本，
5.DN1通过管道异步向DN2传副本，
6.DN2通过管道异步向DN3传副本，
7.DN3通知DN2接收完成，
8.DN2通知DN1接收完成，
9.DN1通知NN接收完成。
B.对于需要分块的大文件：
大致流程同上，但在步骤3NN还会进行块的划分，随后步骤4client会将各块分别发送到分配的DN执行步骤4~9
从前述可见，在向HDFS传输文件的过程中，NameNode节点至关重要。NN负责掌管元数据。其作用相当于物理硬盘中的文件分配表FAT，NN中的数据如果发生丢失，DN中存储的数据也就没有了意义。
# 图 1-2 -NN元数据存储机制
1.client向NN请求写，
2.NN将分配block写入editslog文件，
3.NN响应client，
4.client向DN写文件，
5.client通知NN写完成，
6.NN将editslog更新到内存。
ps：常用及最新元数据放在内存，最新元数据放editslog，老元数据放fsimage，editslog写满之前将edits log（新元数据）转换并合并到fsimage。
# 图 1-3 -edits log合并机制
当editslog写满：
1.NN通知SecondryNameNode执行checkpoint操作，
2.NN停止向已满editslog写入，
3.NN创建新edits log维持写入，
4.SN下载NN的fsimage和已满editslog，
5.SN执行合并生成fsimage。checkpoint，
6.SN向NN上传fsi。cp，
7.NN将fsi。cp改名fsimage，
8.NN删除已满editslog。
# 图3 -元数据格式：文件全路径，副本数，块编号，块-所在DN的映射。
原文地址：https://www.cnblogs.com/eflypro/p/11818991.html