1.数据块
每个磁盘都有默认的数据块大小，这是磁盘进行数据读/写的最小单位。构建于单个磁盘之上的文件系统通过磁盘块来管理该文件系统中的块，该文件系统块的大小可以是磁盘块的整数倍。文件系统快一半为几千字节，而磁盘块一般为512字节。这些信息---文件系统块大小---对于需要读/写文件的文件系统用户来说是透明的。尽管如此，系统仍然提供了一些工具(如df和fsck)来维护文件系统，由它们对文件系统中的块进行操作。
HDFS同样也有块(block)的概念，但是大得多，默认是64MB.与单一磁盘上的文件系统相似，HDFS上的文件也被划分为块大小的多个分块(chunk),作为独立的存储单元。但与其他文件系统不同的是，HDFS中小于一个块大小的文件不会占据整个块的空间。
为何HDFS中的块如此之大？ HDFS的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置得足够大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。因而，传输一个由多个块组成的文件的时间取决于磁盘传输速率。 我们来做一个速算,如果寻址时间约为10ms，而传输速率为100MB/s，为了使寻址时间仅占传输时间的1%，我们要将块大小设置约为100MB。默认的块大小是65MB，但是很多情况下HDFS使用128MB的块设置。以后随着新一代磁盘驱动器的传输速率的提升，块的大小将被设置的更大。 但是这个数也不会设置的过大，MapReduce中的map任务通常一次只处理一个块中的数据，因此如果任务数太少(少于集群中的节点数量)，作业的运行熟读就会比较慢。
对分布式文件系统中的块进行抽象会带来很多好处。第一个最明显的好处是，一个文件的大小可以大于网络中任意一个磁盘的容量。文件的所有块并不需要存储在同一个磁盘上，因此他们可以利用集群上的任意一个磁盘进行存储。事实上，尽管不常见，但对于整个HDFS集群而言，也可以仅存储一个文件，该文件的块沾满集群中所有的磁盘。
第二个好处是，使用抽象块而非整个文件作为存储单元，大大简化了存储子系统的设计。
与磁盘文件系统相似，HDFS中的fsck指令可以显示块信息。例如:执行以下命令将列出文件系统中各个文件由哪些块构成:
hadoop fsck / -files -blocks
2.namenode和datanode
HDFS集群中有两类节点以管理者-工作者模式运行，即一个namenode(管理者)和多个datanode(工作者)。namenode管理文件系统的命名空间。它维护着文件系统树及整棵树内所有的文件和目录。这些信息以两个文件形式永久保存在本地磁盘上：命名空间镜像文件和编辑日志文件。namenode也记录着每个文件中各个块所在的数据节点信息，但它并不永久保存块的位置信息，因为这些信息会在系统启动时由数据节点重建。
客户端(client)代表用户通过与namenode和datanode交互来访问整个文件系统。客户端提供了一个类似于POSIX的文件系统接口，因此用户在编程时无需知道namenode和datanode也可实现其功能。
datanode是文件系统的工作节点。他们根据需要存储并检索数据块(受客户端或namenode调度)，并且定期向namenode发送他们所存储的块的列表。没有namenode，文件系统将无法使用。事实上，如果运行namenode服务的集群毁坏，文件系统上所有的文件将会丢失，因此我们不知道如何根据datanode的块吃那个键文件。因此，对namenode实现容错非常重要，Hadoop为此提供两种机制。
第一种机制是备份那些组成文件系统元数据持久状态的文件。Hadoop可以通过配置使namenode在多个文件系统上保存元数据的持久状态。这些写操作是实时同步的，是原子操作。一般的配置是，将持久状态写入本地磁盘的同时，写入一个远程挂载的网络文件系统(NFS)。
另一种可行的办法是通过一个辅助namenode,但它不能被用作namenode。这个辅助namenode的重要作用是定期通过编辑日志合并命名空间镜像，以防编辑日志过大。这个辅助namenode一般子啊另一台单独的物理计算机上运行，因为它需要占用大量的CPU时间与namenode相同容量的内存来执行合并操作。它会保存合并后的命名空间镜像的副本，并在namenode发生故障时启用。但是，辅助namenode保存的状态总是滞后于主节点，所以在主节点全部失效时，难免会丢失部分数据。在这种情况下，一般把存储在NFS上的namenode元数据复制到辅助namenode并作为新的主namenode运行。