词汇解读

block
这个大家应该知道，文件上传前需要分块，这个块就是block，一般为128MB，当然你可以去改，不顾不推荐。因为块太小：寻址时间占比过高。块太大：Map任务数太少，作业执行速度变慢。它是最大的一个单位。

packet
packet是第二大的单位，它是client端向DataNode，或DataNode的PipLine之间传数据的基本单位，默认64KB。

chunk
chunk是最小的单位，它是client向DataNode，或DataNode的PipLine之间进行数据校验的基本单位，默认512Byte，因为用作校验，故每个chunk需要带有4Byte的校验位。所以实际每个chunk写入packet的大小为516Byte。由此可见真实数据与校验值数据的比值约为128 : 1。（即64*1024 / 512）

HDFS优点

高容错（多副本，副本丢失自动备份）
适合批处理（移动计算而非数据，主动暴漏Block偏移量信息给计算框架）
适合大数据处理（百万计以上文件数量,10K+节点）
可构建在廉价机器（多副本，提供容错和恢复机制）

HDFS缺点

虽然叫文件系统但是和文件系统有较大差别（毫秒级相应，低延迟与高吞吐）
小文件存取（占用NameNode元数据大量内存，寻址时间超过读取时间）
并发写入，文件随机修改（同一 一个文件只能有一个写者）