HDFS 作为一款优秀的分布式文件系统，不仅可以存储大数据，还提供对HBase、MapReduce、Spark 等框架的支持，这是因为它有很多优点。

1.高容错性

上传的数据自动保存多个副本（默认三个），如果某一个DataNode 上的副本丢失，HDFS 会自动复制其他DataNode 上的副本。HDFS 进行文件读写时，会进行校验，如果出错，有重新读写机制。HDFS 定期（可配置）对节点上的文件块进行校验，避免数据损坏。

2.适合大数据的处理

Hadoop 集群中的节点可以有上千个，HDFS 可以在上面构建超大容量的分布式文件系统。HDFS 不仅支持存储TB 级别甚至PB 级别的单个文件，还能够处理百万规模的数据。

3.高并发访问能力(www.daowen.com)

HDFS 采用了多副本机制，当多节点并发访问时，可以根据就近原则为其提供副本数据，提高集群的吞吐量。

3.流式文件写入

HDFS 的设计是建立在“一次写入、多次读写”的基础上，这意味着一个文件一旦写入就很少被更改。大数据的分析任务是建立在全部数据之上，对HDFS 来说，读取整个文件要比读取具体某条数据更加高效。

4.可构建在廉价机器上

Hadoop 可以运行在廉价的商用计算机上，这就意味着集群中出现节点故障的概率非常高。为了避免数据的丢失和任务的中断，HDFS 通过其容错机制和恢复机制保障整个集群的正常运行，不影响用户使用。