大数据存储Replication Factor
副本因子 是什么？
每个块存几份，默认 3 份，坏一台机器不影响读取
类比：重要合同复印三份，分别放在三个抽屉里
3 份是怎么放的
默认策略：第一份放在客户端所在机器（如果客户端在集群内），第二份放在另一个机架的机器，第三份放在第二份同机架的另一台。这样既保证跨机架容错，又控制跨机架流量。
代价与调整
副本越多越安全，但存储成本线性上升，写入也要传更多次。3 份是可靠性和成本的平衡点。冷数据、可重算的中间结果可以设成 2 甚至 1，能省下一半以上存储。
设置粒度可以到目录级，用 `hdfs dfs -setrep -w 2 /cold/data` 就能改，后台会自动复制或删除副本。
副本 ≠ 备份
副本防的是机器故障，不防误删和逻辑错误。`hdfs dfs -rm -r` 删掉的文件，三份副本会一起没。真正的备份要靠快照、回收站（trash）或异地复制。