Hadoop 的正确发音是 "哈杜普"（Huh-DOP）
Hadoop 是一个开源的分布式存储和计算框架，具有以下优势和劣势：
优势：- 可扩展性：Hadoop 能够处理PB级别的数据，通过增加更多的节点来扩展系统容量，满足不断增长的数据处理需求 1。
- 高容错性：采用分布式存储技术，数据自动复制到多个节点上，即使部分节点出现故障，也能保证数据不丢失，系统依然可用 1。
- 成本效益：作为开源软件，Hadoop 可以运行在普通的硬件集群上，降低了硬件成本，同时减少了软件授权费用 1。
- 高效性：Hadoop 采用 MapReduce 编程模型进行数据处理，能够充分利用集群中的所有计算资源，提高数据处理速度 1。
- 灵活性：支持多种数据存储格式，可以处理结构化、半结构化和非结构化数据，同时支持各种类型的数据处理任务 1。
- 可移植性：可以部署在多种硬件平台上，包括廉价的商用服务器和云计算环境 1。
- 社区支持：作为开源项目，Hadoop 拥有庞大的社区支持，用户可以获得丰富的文档、教程和社区帮助 1。
- 生态系统丰富：围绕 Hadoop 构建了一个强大的生态系统，包括 Hive、Pig、HBase、Spark 等工具和组件，满足不同的数据处理需求 1。
劣势：
- 低延迟数据访问不适用：Hadoop 不适用于需要低延迟数据访问的场景 15。
- 存储大量小文件效率低：Hadoop 不能高效存储大量小文件，这会导致 NameNode 内存消耗过大，且小文件的寻址时间可能超过读取时间 15。
- 不支持多用户写入和文件随机修改：Hadoop 不支持多用户写入并任意修改文件，一个文件只能有一个写操作，并且仅支持数据追加，不支持文件的随机修改 15。
在选择 Hadoop 作为大数据处理框架时，需要根据具体的使用场景来决定。如果需要处理大规模批处理任务，并且对容错性和稳定性要求较高，Hadoop 是一个不错的选择。然而，对于需要实时数据处理、交互式查询和迭代算法等任务，可能需要考虑其他框架，如 Spark，它提供了更高的性能和灵活性
MapReduce工作原理及基础编程
Hadoop入门
标签：文件,15,Hadoop,支持,了解,笔记,数据处理,数据 From： https://www.cnblogs.com/barrysgy/p/18332020