1.拓扑距离
这里简单讲下hadoop的网络拓扑距离的计算
在大数量的情景中，带宽是稀缺资 源，如何充分利用带宽，完美的计算代价开销以及限制因素都太多。hadoop给出了这样的解决方案：
计算两个节点间的间距，采用 最近距离的节点进行操作，如果你对数据结构比较熟悉的话，可以看出这里是距离测量算法的一个实例。
如果用数据结构表示的话，这里可以表示为tree，两个节点的距离计算就是寻找公共祖先的计算。
在现实情况下比较典型的情景如下，
tree结构的节点由数据中心data center，这里表示为d1 ，d2，机架rack，这里表示为r1，r2，r3，还有服务器节点node，这里表示为n1，n2，n3， n4
1.distance(d1/r1/n1,d1/r1/n1)=0 （相同节点）
2.distance(d1/r1/n1,d1/r1/n2)=2 （相 同机架不同节点）
3.distance(d1/r1/n1,d1/r2/n3)=4 （相同数据中心不同机架）
4.distance(d1/r1/n1,d2/r3/n4)=6 （不同数据中心）
2.副本存放
先来定义一下， namenode节点选择一个datanode节点去存储block副本得过程就叫做副本存放，这个过程的策略其实就是在可 靠性和读写带宽间得权衡。那么我们来看两个极端现象：
1.把所有的副本存放在同一个节点上，写带 宽是保证了，但是这个可靠性是完全假的，一旦这个节点挂掉，数据就全没了，而且跨机架的读带宽也很低。
2.所有副本打散在不同的节点上，可靠性提高了，但是带宽有成了问题。
即使在同一个数据中 心也有很多种副本存放方案，0.17.0版本中提供了一个相对较为均衡的方案，1.x之后副本存放方案已经是可 选的了。
我们来讲下hadoop默认的方案：
1.把第一副本放在和客户端同一个节点上，如果客户 端不在集群中，那么就会随即选一个节点存放。
2.第二个副本会在和第一个副本不同的机架上随机选 一个
3.第三个副本会在第二个副本相同的机架上随机选一个不同的节点
4.剩余的副本就完全随 机节点了。