一、 Hadoop 特點
1、支持超大文件
一般來說，HDFS存儲的文件可以支持TB和PB級別的數(shù)據(jù)。
2、檢測和快速應(yīng)對硬件故障
在集群環(huán)境中，硬件故障是常見性問題。因為有上千臺服務(wù)器連在一起，故障率高，因此故障檢測和自動恢復(fù)hdfs文件系統(tǒng)的一個設(shè)計目標。假設(shè)某一個datanode節(jié)點掛掉之后，因為數(shù)據(jù)備份，還可以從其他節(jié)點里找到。namenode通過心跳機制來檢測datanode是否還存在
3、流式數(shù)據(jù)訪問
HDFS的數(shù)據(jù)處理規(guī)模比較大，應(yīng)用一次需要大量的數(shù)據(jù)，同時這些應(yīng)用一般都是批量處理，而不是用戶交互式處理，應(yīng)用程序能以流的形式訪問數(shù)據(jù)庫。主要的是數(shù)據(jù)的吞吐量，而不是訪問速度。訪問速度最終是要受制于網(wǎng)絡(luò)和磁盤的速度，機器節(jié)點再多，也不能突破物理的局限，HDFS不適合于低延遲的數(shù)據(jù)訪問，HDFS的是高吞吐量。
4、簡化的一致性模型
對于外部使用用戶，不需要了解hadoop底層細節(jié)，比如文件的切塊，文件的存儲，節(jié)點的管理。
一個文件存儲在HDFS上后，適合一次寫入，多次寫出的場景once-write-read-many。因為存儲在HDFS上的文件都是超大文件，當上傳完這個文件到hadoop集群后，會進行文件切塊，分發(fā)，復(fù)制等操作。如果文件被修改，會導(dǎo)致重新出發(fā)這個過程，而這個過程耗時是最長的。所以在hadoop里，不允許對上傳到HDFS上文件做修改（隨機寫），在2.0版本時可以在后面追加數(shù)據(jù)。但不建議。
5、高容錯性
數(shù)據(jù)自動保存多個副本，副本丟失后自動恢復(fù)?？蓸?gòu)建在廉價機上，實現(xiàn)線性（橫向）擴展，當集群增加新節(jié)點之后，namenode也可以感知，將數(shù)據(jù)分發(fā)和備份到相應(yīng)的節(jié)點上。
6、商用硬件
Hadoop并不需要運行在昂貴且高可靠的硬件上，它是設(shè)計運行在商用硬件的集群上的，因此至少對于龐大的集群來說，節(jié)點故障的幾率還是非常高的。HDFS遇到上述故障時，被設(shè)計成能夠繼續(xù)運行且不讓用戶察覺到明顯的中斷。
二、HDFS缺點
1、不能做到低延遲
由于hadoop針對高數(shù)據(jù)吞吐量做了優(yōu)化，犧牲了獲取數(shù)據(jù)的延遲，所以對于低延遲數(shù)據(jù)訪問，不適合hadoop，對于低延遲的訪問需求，HBase是更好的選擇，
2、不適合大量的小文件存儲
由于namenode將文件系統(tǒng)的元數(shù)據(jù)存儲在內(nèi)存中，因此該文件系統(tǒng)所能存儲的文件總數(shù)受限于namenode的內(nèi)存容量，根據(jù)經(jīng)驗，每個文件、目錄和數(shù)據(jù)塊的存儲信息大約占150字節(jié)。因此，如果大量的小文件存儲，每個小文件會占一個數(shù)據(jù)塊，會使用大量的內(nèi)存，有可能超過當前硬件的能力。
3、不適合多用戶寫入文件，修改文件
Hadoop2.0雖然支持文件的追加功能，但是還是不建議對HDFS上的 文件進行修改，因為效率低。
對于上傳到HDFS上的文件，不支持修改文件，HDFS適合一次寫入，多次讀取的場景。
HDFS不支持多用戶同時執(zhí)行寫操作，即同一時間，只能有一個用戶執(zhí)行寫操作。

單機也好，集群也好，讀文件速度只跟讀取的文件所在地有關(guān)，有兩種情況：1）讀取的文件在本機2）讀取的文件不在本機；如果文件在本機，讀取速度主要跟磁盤讀寫速度有關(guān)，但是都文件不在本機時，讀取文件就涉及到網(wǎng)絡(luò)IO了。
總之，如果是讀取本機文件，集群和單機沒有區(qū)別，如果不是集群會涉及網(wǎng)絡(luò)IO，而單機不會