HDFS是Hadoop的分布式文件系统，前身是GFS，即Google的分布式文件系统。在介绍HDFS的存储策略过程中会谈到NameNode、SecondNameNode和DataNode，建议可以先看一下“图解Hadoop中NameNode、SecondNameNode和DataNode的运行”这篇文章，网址是https://blog.csdn.net/qq_34784043/article/details/83239434
在介绍HDFS的存储策略前，先介绍一下，机架集群结构。
如下图是一个机架集群的结构，在机架的单个计算机节点都是由处理器、内存、高速缓存和本地磁盘构成。每个节点通过交换机或者路由器连接成一个服务器集群。在HDFS中，可以是NameNode，也可以是DataNode，当然NameNode一般情况下只有一个。
1、数据的冗余存储
为了保证系统的容错性和可用性，HDFS采用了多副本方式对数据进行冗余存储，通常一个数据块的多个副本会被分布到不同的数据节点。在HDFS中默认的冗余因子是3，也就说一个数据块会有三个副本。如下图：
2、不同副本不都放在一个机架上
HDFS默认第二个副本不和第一个放在同一个机架上，这样虽然增加了两个副本之间通信时间，但是也增加了安全性，防止一个机架发生故障，其他机架上的副本还是可用的。以及可以让不同客户端读取同一个数据源时，分别到不同的副本读取数据，增加了数据读取效率。HDFS默认第三个副本一般放在和第一个副本同一机架上，这样就可以保证第一个副本发生异常时，数据能够及时恢复。
3、HDFS的数据复制采用流水线的复制机制
在客户端往HDFS中写入数据时，会先根据写入数据的大小划分不同的数据块，然后向名称节点提出写入请求，名称节点会根据HDFS中每个数据节点的使用情况选择数据节点给客户端的数据写入。当客户端写入一个数据节点副本时，每到数据达到4K大小后，就会向第二个副本的数据节点发起连接请求，把4K数据写入第二个节点。第二个数据节点写入4K数据后，第二节点就向第三数据副本的节点提出连接请求，把4K数据传给第三数据节点并写入。这样形成了一个数据复制的流水线，几乎当数据写入完成，数据复制也同时完成。
4、名称节点备份
在HDFS中可以运行一个第二名称节点，但名称节点故障，可以利用第二名称节点中的数据恢复。或者可以把名称节点上的元数据同步存储到其他文件系统。
5、数据节点“心跳”信息
每个数据节点会定期向名称节点发送“心跳”信息，向名称节点报告自己的状态。当数据节点发生故障时，名称节点收不到数据节点的“心跳”，就不会再向故障节点发送IO信息，以及会在其他数据节点增加一份数据备份。
6、客户端接收数据出错
可能会因为网络和磁盘等问题造成客户端接收数据错误。当客户端接收到数据时先会对数据进行校验，如果校验出错，就会向另外一个数据节点副本读取数据，并向名称节点报告这个数据节点出错。名称节点就会对该数据节点进行检查和复制副本。