HDFS中节点距离
简单的讲，节点距离是按照跳数计算的。
定义：
节点距离–两个节点到达最近的共同祖先的距离总和。
计算距离涉及物理设备的放置情况，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。
同一节点的进程：
Distance（d1/r1/n0,d1/r1/n0)=0
同一机架的不同节点：
Distance（d1/r1/n0,d1/r1/n2)=2
同一数据中心不同机架的节点：
Distance（d1/r1/n0,d1/r2/n2)=4
不同数据中心的节点：
Distance（d1/r1/n0,d2/r1/n2)=6
副本写入
副本存储节点的选择
在官方有详细的描述
Apache Hadoop 3.1.3 – HDFS Architecture
第一个副本将存储在客户端所处的节点，如果客户端在集群外，最近的集群随机选一个节点；第二副本在另一个机架的随机节点；第三个副本在第二个副本节点所在机架的另一个随机节点。
这样的部署副本的方式兼顾了节点就近，可靠性保证和写入速度。
写入流程
（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。就近原则和LB。
（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。
（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（64k），dn1 收到一个 Packet 就会传给 dn2（内存中的，不影响本地写磁盘），dn2 传给 dn3；dn1 每传一个 packet 会放入一个应答队列等待应答ack。
（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）。
读取流程
串行读取
（1）客户端通过 DistributedFileSystem 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。流量太大会做LB。
（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。
