只要网络请求在活动namenode（假设您设置了ha）和每个datanode的两个方向上工作，那么应该可以正常工作，尽管额外的网络跃点会增加一些延迟

在大数据网络的情况下，为了完成预期的操作或得到预期的结果（比如客户端读取的数据超过一个数据块），单个客户端的交互会产生大量的节点到节点的交互。这种大数据网络将面临性能影响，因为额外的跳数会增加客户端、名称节点和作业跟踪器以及数据节点和任务跟踪器之间的延迟，当数据在机架式交换机之间传输时。
hadoop基本上提供了跨计算机集群的大型数据集的分布式处理，这直接意味着网络在部署体系结构中起着关键作用，也与其性能和可伸缩性直接相关。hdfs和mapreduce具有较高的东西交通模式。
在hdfs中，如果为ha启用了机架感知配置，则复制是基于复制因子在网络上发生的连续活动。hadoop中涉及从mapper到reducer的数据传输的shuffle阶段是最消耗网络带宽的活动之一，因为所有涉及的服务器都应同时向彼此传输数据，这直接突出了网络拓扑。
另外，当客户端请求远程服务执行某个函数时，诸如hdfs、hbase、hive等平台服务也使用rpc机制。每个rpc都需要尽快将响应发送回客户端，如果响应到达客户端有延迟，那么执行命令可能需要更长的时间。
为了获得hadoop的最佳性能，网络必须具有高带宽、低延迟和跨不同节点的可靠节点连接，这归结为具有尽可能少的跳数作为标准之一。
在典型的网络部署中，防火墙放置在集群节点之间会影响集群性能，因为它们必须检查网络中的数据包。因此，最好避免集群中节点之间的防火墙。