我对Hadoop分布式文件系统的设置方式以及我的特定设置如何影响它有点困惑。我使用本指南在 Virtual Box 上使用两个虚拟机 http://www.michael-noll.com/tutorials/running-hadoop-on-ubuntu-linux-multi-node-cluster/设置它并运行了该示例（只是带有 txt 文件输入的简单字数统计）。到目前为止，我知道数据节点管理和检索其节点上的文件，而任务跟踪器分析数据。
1） 当你使用命令 -copyFromLocal 时，你是否正在将文件/输入复制到 HDFS？Hadoop是否知道如何在从属/主服务器之间划分信息，它是如何做到的？
2） 在上面链接的指南中概述的配置中，技术上是否有两个从站（主站同时充当主站和从站）？这是常见的还是主机器通常只被赋予作业跟踪器/名称节点任务？
这里问了很多问题。
问题2）
- 有两台机器
- 这些机器配置为HDFS和Map-Reduce。
- HDFS配置需要名称节点（主节点）和数据节点（从节点）
- Map-reduce需要Jobtracker（主）和Tasktracker（从）
- 仅配置了一个名称节点和作业跟踪器，但您可以在两台计算机上使用数据节点和任务跟踪器服务。它不是充当主从的机器。这只是服务。您也可以在包含主服务的计算机上安装从属服务。它适用于简单的开发设置。在大规模部署中，您将主服务专用于单独的计算机。
问题 1 第 2 部分）
- HDFS 的工作是创建文件块并以复制方式存储在多个数据节点上。您不必担心。
问题 1 第 1 部分）
- Hadoop文件操作的模式类似于典型的Unix文件操作 - ls，put等
- Hadoop fs -put localefile/data/somefile --> 会将本地文件复制到 HDFS 的路径/data/somefile
- 使用放置选项，您还可以从标准输入读取和写入HDFS文件
- copyFromLocal 类似于 put 选项，只是行为仅限于从本地文件系统复制到 HDFS
- 请参阅：http://hadoop.apache.org/common/docs/r0.20.0/hdfs_shell.html#copyFromLocal
1）
- 客户端连接到名称节点以在 HDFS 中注册新文件。
- name 节点创建有关文件的一些元数据（使用默认块大小或文件的配置值）
- 对于要写入的每个数据块，客户端在名称节点中查询块 ID 和要写入数据的目标数据节点列表。然后将数据写入每个数据节点。
Javadoc 中提供了更多信息org.apache.hadoop.hdfs.DFSClient.DFSOutputStream
2）某些生产系统将配置为使主节点成为自己的专用节点（允许最大可能的内存分配，并避免CPU争用），但是如果您的集群较小，则可以接受包含名称节点和数据节点的节点