我还有一个非常基本的概念级问题，HDFS和各种文件格式之间的区别和关系是什么 - 序列文件（基于它的地图文件），HAR文件？
我认为答案是，HDFS是基础文件系统，我们可以将原始二进制文件上传到HDFS（不使用序列文件，HAR文件等），我们也可以使用一些特殊设计的文件格式来编写基于HDFS的文件 - 如序列文件（基于它的映射文件）格式，HAR文件格式。这是正确的理解吗？答案 0 :(得分：4)
HDFS 是一个文件系统，不依赖于任何特定的文件格式。它是一个分布式文件系统，并提取有关文件如何实际持久保存在磁盘上的大部分内部细节（就像NFS / FAT一样）。它为我们提供了文件和目录结构的连续视图，但在内部实际上，文件被复制并存储在群集中各个节点的块中。
像序列文件这样的文件格式特别适合于地图缩减编程范例，因为它可以轻松地跨数据节点分割，从而实现并行处理。但是，HDFS没有这样的偏好，它可以将任何文件格式划分为块（即二进制/纯文本）并存储它。