存放到HDFS 一般都是要分析的数据。分析完成的数据直接存储到MYSQL 或者ORACLE 中。这种处理方式是离线处理。如日志文件存储到hdfs 分析出网站的流量 UV PV 等等。一般都是用pig hive 和mr 等进行分析的。存放到HBASE 一般都是数据拿过来直接用的。而且他是实时的。
Hadoop集群中的文件储存在Hadoop分布式文件系统（HDFS）中。Hadoop是一个用于处理大规模数据集的开源框架，而HDFS则是Hadoop的核心组件之一，负责在集群中存储数据。HDFS被设计为能够跨越多个节点存储大量数据，并提供高吞吐量访问这些数据的能力。
Avro 格式以其 JSON 格式存储模式、二进制紧凑存储、语言中立的数据序列化能力、对模式演变的强大支持等特点，成为数据湖中存储数据的理想选择。列式存储格式如 Parquet、ORC 则充分利用列存储的优势，提高查询性能，减少 I/O 和 CPU 耗费。
在Hadoop中，数据存储节点是计算节点，这种设计是实现分布式计算和存储的高效性。将计算代码推送到存储节点上进行本地化计算，减少数据的传输和网络开销，提高计算效率。Hadoop使用的HDFS是专门为分布式计算设计的文件系统，将数据划分为多个块，在集群中的多个存储节点上进行分布式存储。
分布式存储 传统化集中式存储存在已有一段时间。但大数据并非真的适合集中式存储架构。Hadoop设计用于将计算更接近数据节点，同时采用了HDFS文件系统的大规模横向扩展功能。虽然，通常解决Hadoop管理自身数据低效性的方案是将Hadoop数据存储在SAN上。但这也造成了它自身性能与规模的瓶颈。
Hadoop框架概述 Hadoop是一个由Apache支持的开源软件框架，采用Java语言实现，主要用于存储和计算大规模数据。Hadoop集群节点类型 NameNode：负责协调数据存储，管理HDFS的命名空间和数据块映射信息，处理客户端请求。 DataNode：存储实际数据块，向NameNode汇报存储信息。
在Hadoop中，数据存储节点是计算节点，这种设计是实现分布式计算和存储的高效性。将计算代码推送到存储节点上进行本地化计算，减少数据的传输和网络开销，提高计算效率。Hadoop使用的HDFS是专门为分布式计算设计的文件系统，将数据划分为多个块，在集群中的多个存储节点上进行分布式存储。
Hadoop节点是指运行在Hadoop集群中的服务器，用于存储和处理数据。每个节点都有独特的标识符，以便在集群中进行通信和管理。Hadoop集群通常由多个节点组成，每个节点都运行着Hadoop软件的不同组件，例如HDFS（分布式文件系统）和MapReduce（分布式计算框架）。
数据存储方面，采用分布式存储，通过网络实现文件在多台主机上进行存储。如上图，一个大文件拆分后存储于多个节点，解决了硬盘容量不足的问题。为确保数据安全，实施数据冗余策略，同一份数据同时保存在多个节点上，即使某个节点出现故障或硬盘物理损坏，也可确保数据完整性与安全性。
传统化集中式存储存在已有一段时间。但大数据并非真的适合集中式存储架构。Hadoop设计用于将计算更接近数据节点，同时采用了HDFS文件系统的大规模横向扩展功能。虽然，通常解决Hadoop管理自身数据低效性的方案是将Hadoop数据存储在SAN上。但这也造成了它自身性能与规模的瓶颈。
Hadoop集群通常包括存储节点和计算节点两种类型的机器，其中存储节点用于存储数据，计算节点用于处理数据，并且可以同时进行多项任务，从而大大提高了数据处理的效率。作为一种分布式计算框架，Hadoop集群具有可靠性、高性能和横向扩展性等优点。
Hadoop三个组件的关系是紧密相连、协同工作的，它们共同构成了Hadoop分布式计算框架的基石，实现了大数据的高效存储与计算处理。首先，Hadoop分布式文件系统（HDFS）是Hadoop的核心组件之一，它负责存储海量的数据。HDFS采用主从架构，通过多个数据节点共同存储数据，实现了数据的分布式存储和容错机制。
1、Hadoop是一个用于处理大数据的开源框架。Hadoop是一个分布式计算平台，主要用于存储和处理海量数据。其核心组件包括分布式文件系统HDFS和MapReduce编程模型。通过Hadoop，用户可以在大量廉价计算机组成的集群上处理和存储数据，从而实现高可扩展性和高容错性。
2、Hadoop是一个开源的分布式处理框架，它能够处理和存储大规模数据集，是大数据处理的重要工具。Hadoop主要由两个核心组件构成：Hadoop Distributed File System （HDFS） 和 Hadoop MapReduce。 Hadoop Distributed File System （HDFS）：HDFS是Hadoop的分布式文件系统，设计用来存储和处理大规模的数据集。
3、提供海量数据存储和计算的。需要java语言基础。Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。
4、Hadoop是一个分布式系统基础架构，由Apache基金会开发。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力高速运算和存储。Hadoop实现了一个分布式文件系统（HadoopDistributedFileSystem），简称HDFS。Hadoop是一个用于运行应用程序在大型集群的廉价硬件设备上的框架。
大数据存储模型主要有三种，分别是块存储、文件存储和对象存储。首先，块存储是最基础的一种存储模型，它将数据拆分成固定大小的块，并分别存储这些块。这种模型适用于需要频繁修改数据的场景，如数据库应用。
不断加密，仓库存储，备份服务-云端。不断加密，随着企业为保护资产全面开展工作，加密技术成为打击网络威胁的可行途径。将所有内容转换为代码，使用加密信息，只有收件人可以解码。如果没有其他的要求，则加密保护数据传输，增强在数字传输中有效地到达正确人群的机会。
大数据存储的三种方式包括：分布式文件系统、NoSQL数据库、数据仓库。首先，分布式文件系统是大数据存储的关键方式之一。这种系统将数据分散存储在多个物理节点上，从而提高了数据的可靠性和可扩展性。Hadoop Distributed File System是分布式文件系统的代表，它是Apache Hadoop项目的一部分。
大数据存储的三种主要方式包括： **分布式文件系统**：这种方式将数据分散存储在多个节点上，如Hadoop Distributed File System （HDFS），它专为大规模数据集设计，支持数据的高可靠性和高可扩展性。通过在不同的节点上存储数据的多个副本，即使部分节点失败，也能保证数据的完整性和可用性。
大数据存储有多种方式，以下是常见的几种： 分布式文件系统：大数据通常会被分割成多个小文件，然后存储在多个分布式文件系统节点上，例如Hadoop的HDFS、Ceph、GlusterFS等。这种方式能够提供高可靠性和高吞吐量的数据存储。
硬盘存储：硬盘作为计算机的主要存储介质，包括机械硬盘、固态硬盘和混合硬盘等类型，它们能够存储各类数据，如文档、图片、音频和视频等。 磁带存储：磁带是一种顺序访问存储设备，数据按顺序存储在磁带上。这种存储方式通常用于大数据的备份和长期存档。