详细介绍
Apache Hadoop 是一个面向大规模数据的开源框架，提供可靠的分布式存储（HDFS）与资源管理（YARN），并以 MapReduce 为代表的计算模型实现并行数据处理。Hadoop 设计用于在廉价通用硬件上扩展到数千台节点，强调容错性与数据本地化，广泛作为数据湖、批处理与批量 ETL 的底层基础设施。
主要特性
Hadoop 的核心模块包括 Hadoop Common、HDFS、YARN 和 MapReduce。其主要特性有：分布式文件系统与副本机制确保数据可靠性；YARN 提供灵活的资源调度与隔离；模块化生态（Hive、HBase、Ozone 等）便于构建数据平台；并支持大规模批处理、数据存储与离线分析任务。
使用场景
适用于海量数据的长期存储与离线计算场景，如数据仓库后端、批量 ETL、离线特征工程、日志与指标归档、以及作为数据湖的一部分供上层分析与机器学习工具消费。企业级集群常把 Hadoop 与 Spark、Hive 等工具联合使用以实现完整的数据平台。
技术特点
Hadoop 强调可扩展性与容错，通过 HDFS 的数据副本与 NameNode/Journal 机制保证数据一致性；YARN 将资源管理与执行分离，支持多种计算框架并行运行；项目采用模块化设计并拥有成熟的社区支持与长期版本维护策略。