客户端文件读数据流程：
1、客户端通过调用FIleSystem 的 open方法获取需要读取的数据文件。
2、dfs 通过RPC来调用NameNode,获取要读取的数据文件对应的block存放在哪些DataNode上。
3、客户端先到距离最近的DataNode上调用FSDataInputStream 的read 方法，将数据从DataNode传输到客户端。
4、当读取完所有的数据后，FSDataInputstream 会关闭与DataNode的连接，寻找下一块的最佳位置（即距离最近的下一块）。
5、当客户端完成读取操作之后，会调用FSDataInputStream的close方法完成对资源的关闭工作。
客户端写数据流程：
1、客户端通过调用dfs的create 方法来创建一个文件。
2、dfs 向NameNode 发起RPC请求，在namespace 中创建一个新的文件
3、客户端调用FSDataOutputStream 的write方法将数据写到一个内部队列中，假设副本系数为3，那么将队列中的数据写入到三个副本对应的DataNode上
4、FSDataOutputStream 内部维护者一个确认队列，当接收到所有DataNode写完消息之后，数据才会从确认队列中消除
5、当客户端完成数据的写入之后，会对数据流调用close方法关闭资源。
HDFS上的文件对应的Block 保存有多个副本并且提供容错机制，因此副本丢失或者宕机时能够自动恢复，默认将会保存三个副本
副本存放策略：
第一个副本放置在上传文件的DataNode上，如果是集群外提交，则随机挑选一个节点
第二个副本放置在与第一个副本不同机架的节点上
第三个副本放置在与第二个副本相同机架的不同节点上。
上传到HDFS系统中的文件副本数是由当时的Hadoop系统副本数决定的，不会受副本系数的影响。（比如说上传hello.txt时的副本系数为3，那么hello.txt 的副本数就是3，以后无论怎么修改副本系数，hello.txt 的副本数都不会变了）
在上传文件时，可以指定副本系数。dfs.replication 是客户端属性，如果不指定，将会采用默认的副本数。
例如： hadoop fs -setrep 6 testHadoop/hello.txt 那么hello.txt 的副本系数就是6。
指定的副本系数只会影响本次文件的上传，并不会修改掉默认的副本数，默认的副本数可以在hdfs-site.xml 中进行设置。
HDFS 负载均衡：
当某个DataNode 上的空闲空间低于某个阈值后，系统将会自动地将数据从这个DataNode上同步到其他的数据节点上。
在Hadoop 中，包含一个start-balancer.sh的脚本，通过这个脚本可以设置HDFS 的数据均衡服务。
./start-balancer.sh -threshold 通过threshold 可以设置阈值，取值范围0-100，默认是10.
理论上该参数值越小，整个集群越平衡。