Hadoop将文件存储在Hadoop分布式文件系统（HDFS）中。以下是HDFS存储文件的过程：
- 将文件拆分成固定大小的数据块（通常是128MB）。
- 每个数据块被复制到集群中的多个节点上，以实现数据的冗余和高可用性。
- 每个数据块的一个副本被称为“原始副本”，其余的副本被称为“复制副本”。
- 原始副本存储在一个称为NameNode的主机上，它负责管理文件系统的元数据（如文件和目录的信息）。
- 复制副本存储在称为DataNode的主机上，它们负责存储和处理实际的数据块。
- HDFS通过块位置信息和复制策略来确定读取和写入数据的最佳节点。
- 当写入文件时，文件会被分成数据块并分配给不同的DataNode。每个DataNode存储一个或多个数据块的副本。
- 当读取文件时，HDFS会将数据块的位置信息传递给客户端，客户端可以直接与DataNode通信来获取数据块。
通过将文件拆分成数据块，并将这些数据块复制到多个节点上，Hadoop提供了高可用性和容错性，以应对节点故障和数据丢失的情况。此外，HDFS还提供了高吞吐量，因为它可以并行读取和写入多个数据块。
