1.海量数据存储：HDFS可横向扩展，其储存的文件可以支持PB级别或者更高级别的数据储存。
	 2.高容错性：数据保存多个副本，副本丢失后自动恢复。可构建在廉价的机器上，实现线性扩展。当集群增加新节点之后，namenode也可以感知，进行负载均衡，将数据分发和备份数据均衡到新的节点上。
     3.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（廉价商业硬件）的集群上的。
     4、大文件存储：HDFS采用数据块的方式存储数据，将数据物理切分成多个小的数据块。所以再大的数据，切分后，大数据变成了很多小数据。用户读取时，重新将多个小数据块拼接起来。

HDFS不擅长的场景
1.不能做到低延迟数据访问：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，所以对于低延迟访问数据的业务需求不适合HDFS.
2不适合大量的小文件的存储：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储存的文件总数受到namenode的内存容量的限制。根据经验，每个文件，目录和数据块的储存信息大约占150字节。因此，如果有一百万个小文件，每个小文件都会站一个数据块，那至少需要300MB内存。如果是上亿级别的就会超出当前硬件的能力。
　3、修改文件：。HDFS适合一次写入，多次读取的场景。对于上传到HDFS上的文件，不支持修改文件。Hadoop2.0虽然支持了文件的追加功能，但不建议对HDFS上的文件进行修改。因为效率低下.
　　4、不支持用户的并行写：同一时间内，只能有一个用户执行写操作。