一、HDFS缺點：

1、不能做到低延遲：由于hadoop針對高數據吞吐量做了優化，犧牲了獲取數據的延遲，所以對于低延遲數據訪問，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將文件系統的元數據存儲在內存中，因此該文件系統所能存儲的文件總數受限于namenode的內存容量，根據經驗，每個文件、目錄和數據塊的存儲信息大約占150字節。

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。

4、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。

5、HDFS不支持多用戶同時執行寫操作，即同一時間，只能有一個用戶執行寫操作。

二、HDFS優點：

1、高可靠性。Hadoop按位存儲和處理數據的能力值得人們信賴。

2、高擴展性。Hadoop是在可用的計算機集簇間分配數據并完成計算任務的，這些集簇可以方便地擴展到數以千計的節點中。

3、高效性。Hadoop能夠在節點之間動態地移動數據，并保證各個節點的動態平衡，因此處理速度非?？臁?/p>

4、高容錯性。Hadoop能夠自動保存數據的多個副本，并且能夠自動將失敗的任務重新分配。

5、低成本。與一體機、商用數據倉庫以及QlikView、Yonghong Z-Suite等數據集市相比，hadoop是開源的，項目的軟件成本因此會大大降低。

6、Hadoop帶有用Java語言編寫的框架，因此運行在 Linux 生產平臺上是非常理想的。Hadoop 上的應用程序也可以使用其他語言編寫，比如 C++。

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級別的數據。

2、檢測和快速應對硬件故障：在集群環境中，硬件故障是常見性問題。因為有上千臺服務器連在一起，故障率高，因此故障檢測和自動恢復hdfs文件系統的一個設計目標。

3、流式數據訪問：HDFS的數據處理規模比較大，應用一次需要大量的數據，同時這些應用一般都是批量處理，而不是用戶交互式處理，應用程序能以流的形式訪問數據庫。

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，比如文件的切塊，文件的存儲，節點的管理。

5、高容錯性：數據自動保存多個副本，副本丟失后自動恢復。可構建在廉價機上，實現線性（橫向）擴展，當集群增加新節點之后，namenode也可以感知，將數據分發和備份到相應的節點上。

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，節點故障的幾率還是非常高的。HDFS遇到上述故障時，被設計成能夠繼續運行且不讓用戶察覺到明顯的中斷。