HDFS的優缺點以及如何存儲數據
HDFS是Hadoop的分布式文件系統，是一個高度容錯性的系統，適合運行在通用硬件上，適合部署在廉價的機器上。HDFS能提供高吞吐量的數據訪問，非常適合大規模數據集上的應用。
HDFS 具有以下優點
1、高容錯性數據自動保存多個副本。它通過增加副本的形式，提高容錯性。某一個副本丟失以后，它可以自動恢復，這是由 HDFS 內部機制實現的。
2、適合批處理，是通過移動計算而不是移動數據。它會把數據位置暴露給計算框架。
3、適合大數據處理，處理數據達到 GB、TB、甚至PB級別的數據。能夠處理百萬規模以上的文件數量，數量相當之大。能夠處理10K節點的規模。
4、流式文件訪問一次寫入，多次讀取。文件一旦寫入不能修改，只能追加。它能保證數據的一致性。
5、可構建在廉價機器上它通過多副本機制，提高可靠性。它提供了容錯和恢復機制。比如某一個副本丟失，可以通過其它副本來恢復。
當然 HDFS 也有它的劣勢，并不適合所有的場合
1、低延時數據訪問比如毫秒級的來存儲數據，這是不行的，它做不到。它適合高吞吐率的場景，就是在某一時間內寫入大量的數據。但是它在低延時的情況下是不行的，比如毫秒級以內讀取數據，這樣它是很難做到的。
2、小文件存儲存儲大量小文件(這里的小文件是指小于HDFS系統的Block大小的文件（默認64M）)的話，它會占用 NameNode大量的內存來存儲文件、目錄和塊信息。這樣是不可取的，因為NameNode的內存總是有限的。小文件存儲的尋道時間會超過讀取時間，它違反了HDFS的設計目標。
3、并發寫入、文件隨機修改一個文件只能有一個寫，不允許多個線程同時寫。僅支持數據 append（追加），不支持文件的隨機修改。
HDFS 如何儲存數據
HDFS 采用Master/Slave的架構來存儲數據，這種架構主要由四個部分組成，分別為HDFS Client、NameNode、DataNode和Secondary NameNode。下面我們分別介紹這四個組成部分。
1、Client：就是客戶端。文件切分。文件上傳 HDFS 的時候，Client 將文件切分成 一個一個的Block，然后進行存儲。與 NameNode 交互，獲取文件的位置信息。與 DataNode 交互，讀取或者寫入數據。Client 提供一些命令來管理 HDFS，比如啟動或者關閉HDFS。Client 可以通過一些命令來訪問 HDFS。
2、NameNode：就是 master，它是一個主管、管理者。管理 HDFS 的名稱空間管理數據塊（Block）映射信息配置副本策略處理客戶端讀寫請求。
3、DataNode：就是Slave。NameNode 下達命令，DataNode 執行實際的操作。存儲實際的數據塊。執行數據塊的讀/寫操作。
4、Secondary NameNode：并非 NameNode 的熱備。當NameNode 掛掉的時候，它并不能馬上替換 NameNode 并提供服務。輔助 NameNode，分擔其工作量。定期合并 fsimage和fsedits，并推送給NameNode。在緊急情況下，可輔助恢復 NameNode。
