客户端请求上传文件：

• 客户端通过DistributedFileSystem接口向NameNode请求上传文件。
• NameNode检查目标文件是否已存在以及父目录是否存在，返回允许上传的状态。

选择目标DataNode：

• NameNode根据文件位置、网络拓扑结构等因素，选择最适合存储文件块的DataNode。
• HDFS使用“最接近”策略：优先选择本地机器上的DataNode，然后是同一网格的其他节点，最后是其他网格的节点。

数据传输：

• 客户端通过FSDataOutputStream模块向选定的DataNode上传数据。
• DataNode接收数据后，会将其传输到其他DataNode，形成通信链，确保数据块的完整传输。

提交块元数据：

• 客户端完成数据上传后，将块的元数据（如块ID、大小、校验和等）提交到NameNode。
• NameNode更新文件的目录树和块位置信息。

客户端请求下载文件：

• 客户端向NameNode请求下载特定文件的块位置。
• NameNode查找文件块所在的DataNode地址，并返回给客户端。

选择最近的DataNode：

• 客户端可以选择最近的DataNode或随机的DataNode读取数据，以提高读取速度。
• HDFS支持副本机制，优先读取最近的副本，减少网络延迟。

数据读取：

• DataNode从磁盘读取数据，并通过FSDataInputStream模块向客户端传输。
• 客户端以Packet为单位接收数据，写入目标文件中。

NameNode的角色：

• NameNode存储文件块的元数据，管理文件的目录树结构。
• 处理客户端的读写请求，定期与DataNode通信，收集块信息。

SecondaryNameNode的作用：

• SecondaryNameNode负责定期检查NameNode的编辑日志和镜像文件，合并最新的元数据。
• 在NameNode断电恢复时，SecondaryNameNode帮助快速恢复元数据，保证集群的连续性。

数据校验：

• DataNode在读取或写入数据时，计算校验和（如CRC、MD5、SHA-1）。
• 检查计算校验和与存储值是否一致，发现数据损坏时进行修复。

数据冗余：

• HDFS默认配置复制因子为3，确保每个文件块有三个副本，提高数据可用性。
• NameNode在选择DataNode时，会优先考虑节点的冗余情况，确保数据分布合理。

存储数据：

• DataNode将文件块以固定大小的文件形式存储在磁盘中，包括数据和元数据。
• 元数据记录块的大小、校验和、时间戳等信息。

周期性汇报：

• DataNode定期向NameNode汇报块信息，时间间隔由dfs.blockreport.intervalMsec配置，默认为21600000毫秒（30分钟）。
• DataNode还会扫描自身的数据目录，确保块信息的准确性。

心跳机制：

• DataNode每隔3秒发送一次心跳信号，NameNode记录节点信息。
• 若超过10分钟未收到心跳，NameNode认为节点不可用，触发数据重布局。

心跳和重校验：

• dfs.heartbeat.interval：心跳时间间隔，单位为秒，默认为3秒。
• dfs.namenode.heartbeat.recheck-interval：心跳重校验间隔，单位为毫秒，默认为300000毫秒（30秒）。
• dfs.datanode.directoryscan.interval：DataNode扫描数据目录的间隔，单位为秒，默认为21600秒（3小时）。

数据块大小：

• HDFS默认块大小为256MB，可根据存储设备容量和网络带宽调整，提升读写性能。