例如，我有2个数据节点和2个复制节点。当我执行“hadoop dfs-put test.log input”将文件存储到hdfs中时，这个文件是如何存储在hadoop集群中的？它是否分布在整个集群中并存储在两个datanode服务器上？
当您执行hadoop dfs-put test.log输入时，test.log文件将存储在名为input的目录中。这就是流程，
根据文件的大小和块的大小，文件将首先被分成n个小块，称为块。默认块大小是64mb，但它是可配置的。现在，在namenode的帮助下，客户机将知道哪些datanode有空闲空间来容纳数据。完成后，客户机将开始逐块将数据推送到最近的datanode，然后根据您的复制因子将数据向前推送到其他datanode。
是的，文件将分布在两台机器上。记住hadoop是一个分布式系统，其中n个独立的机器作为一个系统一起工作。请参见下图以更好地了解：


另外，当我执行诸如word count“hadoop-jar word count.jar input output”之类的操作时，整个过程是什么样子的？jobtracker将要求2个任务跟踪器并行执行，然后将输出存储到hdfs？
mapreduce执行的流程如下所示，
将作业提交给jobtracker。jobtracker指示在存在要处理的数据的机器上运行的tasktracker（连续运行）自己在那里开始处理，而不必将数据移动到任何地方。如果要处理的文件分布在n个节点上，则在所有这n个节点上运行的TaskTracker将并行启动处理。在你的例子中n是2。看看这个就知道整个过程了。
我是否可以认为第一种情况与namenode/datanode有关，第二种情况与job tracker/task tracker有关？
没什么好考虑的。事实就是这样：）
hth公司