1、之所以選擇 HDFS 存儲數據，是因為 HDFS 具有以下優點：
(1) 高容錯性
1) 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。
2) 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，我們不必關心。
(2) 適合批處理
1) 它是通過移動計算而不是移動數據。
2) 它會把數據位置暴露給計算框架。
(3) 適合大數據處理
1) 數據規模：能夠處理數據規模達到 GB、TB、甚至PB級別的數據。
2) 文件規模：能夠處理百萬規模以上的文件數量，數量相當之大。
3) 節點規模：能夠處理10K節點的規模。
(4) 流式數據訪問
1) 一次寫入，多次讀取，不能修改，只能追加。
2) 它能保證數據的一致性。
(5) 可構建在廉價機器上
1) 它通過多副本機制，提高可靠性。
2) 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。
2、 HDFS 缺點：
(1) 不適合低延時數據訪問；
1) 比如毫秒級的來存儲數據，這是不行的，它做不到。
2) 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。
改進策略
(2) 無法高效的對大量小文件進行存儲
1) 存儲大量小文件的話，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。
2) 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。 改進策略
(3) 並發寫入、文件隨機修改
1) 一個文件只能有一個寫，不允許多個線程同時寫。
2) 僅支持數據 append（追加），不支持文件的隨機修改。