HDFS分布式文件系统是一个部署在廉价机器上基于POSIX约束的高容错性、高吞吐量的大规模分布式文件管理系统；它适合于大文件的存储，应用于“一次写入多次读取”的文件模型。
架构
HDFS采用的是Master/Slave架构，一个HDFS集群由一个NameNode和一定数目的Datanotes组成，NameNode是一个中心服务器，负责管理文件系统的命名空间以及客户端对文件的访问，DataNote负责具体的文件存储。
一个文件通常被分为一个或者多个数据块，这些数据块存储在一组Datanotes上；NameNode管理者整个文件系统的元数据（文件名、路径、文件的副本数量），同时也负责具体数据块到Datanote节点的映射。
Datanote负责处理文件系统的客户端读写请求，并在NameNode的调度下完成数据块的创建、删除、复制。Datanote通过心跳告知NameNode自己的工作状态信息和块状态信息；
特点
智能化的副本控制
文件写
为了保证文件系统的高可用性，HDFS会为每个文件存放多个副本（副本数量可通过dfs.replication自定义配置），并通过机架感知策略将副本均匀分布在集群中，如保证不同的机架、数据中心都存放有副本；
写入多少个副本表示成功，取决于dfs.namenode.replication.min的配置（默认为1）；
文件读
为了减少带宽和延迟，HDFS优先让客户端读取离它最近的副本，比如同一个机架上的副本或同一个数据中心的副本；
集群负载均衡
如果某个Datanote节点上的空闲空间低于设定的临界点时，按照负载均衡策略会自动将数据从这个Datanote移动到其他空闲的Datanote；
数据完整性
每个Datanote都会保存每一个数据块的校验和日志，客户端读取Datanote的数据块时，会校验从Datanote获取的数据与相应的校验和文件中的校验和是否相匹配；如果不匹配，客户端可以选择从其他的Datanote获取该数据块的副本；
每个Datanote也会在一个后台线程中运行一个DataBlockScanner，从而定期校验存储在这个Datanote上的所有数据块；如果校验失败，则会通过其他的数据副本来修复损坏的数据块，从而得到一个新的、完好无损的副本；