我建议看一看这个关于hdfs工作原理的优秀漫画。总结一下发生了什么：
客户机知道块大小（默认为64mb），因此它首先将文件拆分为由该块大小定义的块。
然后，对于每个块，它将向namenode发送一个查询，询问它可以将这个块写入哪些datanodes，以及它要写入多少datanodes（复制因子）。
namenode用一个datanode地址列表进行回复，该列表按与客户机的距离增加排序。
客户机将块数据与其他数据节点的地址一起发送到最近的数据节点。
第一个datanode还将传入数据流传输到客户机提供的列表中最近的datanode，并将列表传递给第二个datanode。
第二个datanode做同样的事情，如果需要的话，还将把数据流传输到另一个datanode。
当输入文件的给定块的所有数据都已写入datanodes时，它们都将通知namenode它们已完成存储该块。
完成datanodes后，客户机将要求对输入文件的其他块执行相同的操作。
当所有的块都这样存储后，客户机将告诉namenode它已经完成了，这样namenode就可以将关于这个文件的元数据持久化到磁盘上。
有点复杂，但协议就是这样的。
在配置单元中创建表时，有关该表的元数据（列、serde、位置等）将进入配置单元元存储库，它是所有配置单元表的中央存储库。这个元存储有几个后端，最常见的是derby或mysql，这是通过属性控制的 javax.jdo.option.ConnectionURL 以及 javax.jdo.option.ConnectionDriverName 在你的Hive里。最终，数据最终在hdfs中的一个目录中由 hive.metastore.warehouse.dir 默认为 /user/hive/warehouse .