Hadoop 特点和缺点

1、支持超大文件，一般来说，HDFS 存储的文件可以支持 TB 和 PB 级别的数据。

2、检测和快速应对硬件故障：

在集群环境中，硬件故障是常见性问题。因为有上千台服务器连在一起，故障率高，因此故障检测和自动恢复 hdfs 文件系统的一个设计目标。假设某一个 datanode 节点挂掉之后，因为数据备份，还可以从其他节点里找到。namenode 通过心跳机制来检测 datanode 是否还存在

3、流式数据访问：

HDFS 的数据处理规模比较大，应用一次需要大量的数据，同时这些应用一般都是批量处理，而不是用户交互式处理，应用程序能以流的形式访问数据库。主要的是数据的吞吐量，而不是访问速度。访问速度最终是要受制于网络和磁盘的速度，机器节点再多，也不能突破物理的局限，HDFS 不适合于低延迟的数据访问，HDFS 的是高吞吐量。

4、简化的一致性模型：

对于外部使用用户，不需要了解 hadoop 底层细节，比如文件的切块，文件的存储，节点的管理。

一个文件存储在 HDFS 上后，适合一次写入，多次写出的场景 once-write-read-many。因为存储在 HDFS 上的文件都是超大文件，当上传完这个文件到 hadoop 集群后，会进行文件切块，分发，复制等操作。如果文件被修改，会导致重新出发这个过程，而这个过程耗时是最长的。所以在 hadoop 里，不允许对上传到 HDFS 上文件做修改 (随机写)，在 2.0 版本时可以在后面追加数据。但不建议。

5、高容错性：

数据自动保存多个副本，副本丢失后自动恢复。可构建在廉价机上，实现线性 (横向) 扩展，当集群增加新节点之后，namenode 也可以感知，将数据分发和备份到相应的节点上。

6、商用硬件

Hadoop 并不需要运行在昂贵且高可靠的硬件上，它是设计运行在商用硬件的集群上的，因此至少对于庞大的集群来说，节点故障的几率还是非常高的。HDFS 遇到上述故障时，被设计成能够继续运行且不让用户察觉到明显的中断。

二、HDFS 缺点

1、不能做到低延迟

由于 hadoop 针对高数据吞吐量做了优化，牺牲了获取数据的延迟，所以对于低延迟数据访问，不适合 hadoop，对于低延迟的访问需求，HBase 是更好的选择，

2、不适合大量的小文件存储

由于 namenode 将文件系统的元数据存储在内存中，因此该文件系统所能存储的文件总数受限于 namenode 的内存容量，根据经验，每个文件、目录和数据块的存储信息大约占 150 字节。因此，如果大量的小文件存储，每个小文件会占一个数据块，会使用大量的内存，有可能超过当前硬件的能力。

3、不适合多用户写入文件，修改文件

Hadoop2.0 虽然支持文件的追加功能，但是还是不建议对 HDFS 上的 文件进行修改，因为效率低。

对于上传到 HDFS 上的文件，不支持修改文件，HDFS 适合一次写入，多次读取的场景。

HDFS 不支持多用户同时执行写操作，即同一时间，只能有一个用户执行写操作。