总体流程：
1、客户端通过Distributed FileSystem 模块的create()方法向NameNode请求上传文件，并告诉namenode上传文件的文件名、文件大小、文件拥有者，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、客户端请求我的第一个 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（每个文件块默认存储在三个DN副本上，分别是本地结点、同一个机架上的不同结点以及不同机架的任意一个结点）；
5、客户端通过 FSDataOutputStream 模块的write()方法请求 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。（注意：并不是由客户端分别往3个datanode上写3份，而是dn1开启额外线程去调用dn2，dn2去调用dn3）；
6、dn1、dn2、dn3 逐级应答客户端；
7、客户端以 Packet 为单位，以chunk为检验，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），dn1 收到一个 Packet 就会传给 dn2，dn2 传给 dn3；dn1 每传一个 packet 会放入一个应答队列等待应答；
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）。
注意：客户端在接收到NameNode返回的三个结点后，形成FSDataOutputStream数据流，这些数据流是一个一个的小的chunk(515byte + 4byte校验位)，然后一个个小的chunk组成达到64k后，形成一个Packet，向DN中传输数据的单位是一个个的Packet。
核心问题：
1.传输blk1的过程中，dn3如果死了，集群会怎么处理？
不做任何处理，错误会向NN报告
2.接1，如果dn3又启动了，集群会如何处理？
dn3启动时，会向NN发送块报告，然后NN指示dn3删除blk1（因为传输数据不完整）
3.客户端建立通道时，发现dn3连接不上，会怎么办？
NN会重新分配三个节点
4.传输过程中，packet出错，会如何处理？
会重新上传，但是重传次数只有4次，超过限制则提示传输失败
5.如果bk1上传成功，blk2坏了，或者blk2上传时，dn1挂了，如何处理？
NN将整个文件标记为无效，下次dn向NN发送块报告时，NN会通知这些块所在的节点删除
6.在 HDFS 写数据的过程中，NameNode 会选择距离待上传数据最近距离的 DataNode 接收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。
总体流程：
（1）客户端通过 DistributedFileSystem 向 NameNode 请求下载文件，NameNode 通过查询元数据，检测数据是否存在，若存在，则找到文件块所在的 DataNode 地址，给客户端响应。
（2）挑选一台 DataNode（就近原则，然后随机）服务器，请求读取数据。
（3）DataNode 开始传输数据给客户端（从磁盘里面读取数据到输入流，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。
注意：1、在根据就近原则挑选到DataNode1之后，不能所有的客户端都选择DataNode1开始传输，除了考虑传输速率外，还要考虑服务器的负载均衡，当DataNode1 达到负载均衡后，就开始请求DataNode2 传输数据。
2、客户端在和DN建立传输通道时不是级联方式，而是串行读数据的，首先寻找离自己最近的副本（dn1）下载，如果数据不完整或者没有找到，就再向dn2建立传输通道，然后传输数据，依次往下，直到下载到目标文件为止。读完Block1之后，读块Block2。
注：本文参考尚硅谷Hadoop教学。