hdfs中负责存储数据是，HDFS，解析其作为分布式文件系统而非对象存储的核心特性

HDFS是Hadoop分布式文件系统，核心特性在于其分布式文件系统架构，而非对象存储。它负责存储数据，通过集群化处理大文件，支持高吞吐量访问，适用于大数据应用场景。

HDFS，即Hadoop分布式文件系统（Hadoop Distributed File System），是Hadoop生态系统中的核心组件之一，它主要用于存储大量数据，广泛应用于大数据处理和分析，很多人对HDFS有一个误解，认为它是一种对象存储，本文将深入探讨HDFS的本质，解释其作为分布式文件系统而非对象存储的核心特性。

HDFS的架构

HDFS采用主从（Master-Slave）架构，由一个NameNode和多个DataNode组成，NameNode负责管理文件系统的命名空间，存储元数据，如文件目录、文件大小、块信息等；DataNode负责存储实际数据块。

1、NameNode：负责文件系统的命名空间管理，存储文件系统的元数据，如文件目录、文件大小、块信息等，NameNode还负责分配数据块到DataNode。

2、DataNode：负责存储实际数据块，并向NameNode汇报存储情况，DataNode将文件切分成多个数据块，存储在本地磁盘上。

HDFS的数据存储方式

HDFS将数据存储在多个节点上，以提高数据可靠性、可扩展性和并行处理能力，以下是HDFS数据存储方式的几个关键特性：

1、数据分块：HDFS将文件切分成固定大小的数据块，默认为128MB，这样做可以简化数据存储和访问过程，提高系统性能。

2、数据副本：HDFS在多个节点上存储相同的数据块，以提高数据可靠性，默认情况下，HDFS在三个节点上存储每个数据块的副本。

3、数据校验：HDFS使用校验和（checksum）来确保数据块的完整性，当NameNode收到DataNode发送的数据块时，会验证其校验和，以确保数据块未被损坏。

4、数据访问：HDFS采用多线程机制，允许多个客户端同时访问数据，HDFS支持数据流式访问，便于进行大规模数据处理。

HDFS与对象存储的区别

1、存储模型：HDFS采用文件存储模型，将数据存储在文件系统中，而对象存储采用对象存储模型，将数据存储在对象中，每个对象包含数据、元数据和唯一标识符。

2、数据访问方式：HDFS通过文件路径访问数据，支持POSIX文件系统接口，而对象存储通过RESTful API访问数据，通常采用键值对形式。

3、数据格式：HDFS支持多种数据格式，如文本、二进制等，而对象存储通常用于存储非结构化数据，如图片、视频等。

4、扩展性：HDFS具有很高的可扩展性，可通过增加节点来提高存储容量和性能，而对象存储在扩展性方面相对较弱。

HDFS是一种分布式文件系统，主要用于存储大规模数据，它具有数据分块、数据副本、数据校验等特性，以提高数据可靠性、可扩展性和并行处理能力，尽管HDFS在功能上与对象存储有相似之处，但二者在存储模型、数据访问方式等方面存在显著差异，HDFS并非对象存储，而是一种针对大数据场景设计的分布式文件系统。