Hadoop分別從兩個角度將主機划分為兩種角色。
最基本的划分原則為Master和Slave，即主人和奴隸；
第一，從HDFS的角度，將主機划分為NameNode和DataNode（在分布式文件系統中，目錄的管理很重要，管理目錄相當於主人，而NameNode就是目錄管理者）；
NameNode是主節點，存儲文件的元數據如文件名，文件目錄結構，文件屬性（生成時間,副本數,文件權限），以及每個文件的塊列表以及塊所在的DataNode等等。它是一個中心服務器，單一節,負責管理文件系統的名字空間(namespace)以及客戶端對文件的訪問，它維護着每個文件系統樹和整棵樹內所有的文件和目錄，這些信息已兩個文件形式永久保存在本地磁盤上：命名控件鏡像文件(Fsimage)和編輯日志(Edit log)。
DataNode在本地文件系統存儲文件塊數據，以及塊數據的校驗和。可以創建、刪除、移動或重命名文件，當文件創建、寫入和關閉之后不能修改文件內容。一個數據塊在DataNode以文件存儲在磁盤上，包括兩個文件，一個是數據本身，一個是元數據包括數據塊的長度，塊數據的校驗和，以及時間戳。DataNode啟動后向NameNode注冊，通過后，周期性（1小時）向NameNode上報所有的塊信息。心跳是每3秒一次，心跳返回結果帶有NameNode給該DataNode的命令如復制塊數據到另一台機器，或刪除某個數據塊。如果超過10分鍾沒有收到某個DataNode 的心跳，則認為該節點不可用。
文件操作，NameNode負責文件元數據的操作，DataNode負責處理文件內容的讀寫請求，跟文件內容相關的數據流不經過NameNode，只會詢問它跟那個DataNode聯系，否則NameNode會成為系統的瓶頸
第二，從MapReduce的角度，將主機划分JobTracker 和TaskTracker(一個job經常被划分為多個Task，從這個角度不難理解它們之間的關系)；
在MapReduce中作業(Job)是客戶端需要執行的工作單元，它包含了輸入數據、MapReduce程序和配置信息。Hadoop將作業分為若干個小任務(task)來執行，其中每個小任務又分為Map任務和Reduce任務。兩類節點控制着作業執行過程：一個JobTracker和多個TaskTracker。
JobTracker主要就是調度TaskTracker來運行小任務，協調所有運行在系統上的作業。TaskTracker在運行小任務的時候，將進度報告給JobTracker，這樣一旦發生錯誤，就由JobTracker來負責調度另一個TaskTracker。TaskTracker每隔3秒向JobTracker發送心跳來詢問是否有任務可做，如有則讓你分發任務給它，此時就是slave主動向master咨詢。