Hadoop將文件存儲在Hadoop分布式文件系統（HDFS）中。以下是HDFS存儲文件的過程：
- 將文件拆分成固定大小的數據塊（通常是128MB）。
- 每個數據塊被復制到集群中的多個節點上，以實現數據的冗余和高可用性。
- 每個數據塊的一個副本被稱為“原始副本”，其余的副本被稱為“復制副本”。
- 原始副本存儲在一個稱為NameNode的主機上，它負責管理文件系統的元數據（如文件和目錄的信息）。
- 復制副本存儲在稱為DataNode的主機上，它們負責存儲和處理實際的數據塊。
- HDFS通過塊位置信息和復制策略來確定讀取和寫入數據的最佳節點。
- 當寫入文件時，文件會被分成數據塊并分配給不同的DataNode。每個DataNode存儲一個或多個數據塊的副本。
- 當讀取文件時，HDFS會將數據塊的位置信息傳遞給客戶端，客戶端可以直接與DataNode通信來獲取數據塊。
通過將文件拆分成數據塊，并將這些數據塊復制到多個節點上，Hadoop提供了高可用性和容錯性，以應對節點故障和數據丟失的情況。此外，HDFS還提供了高吞吐量，因為它可以并行讀取和寫入多個數據塊。
