g 是他的亲哥，hdfs 就是他们的老大哥。在咱们云原生大场景里，k8s 是那个负责给应用发命令的，它忒招架不住那些大流量，还得有个人来扛扛扛。
这扛扛扛的人就是 hdfs，那会儿叫mapreduce，后来改名了，实际上就是个专门负责存东西的伙计。它不像 k8s 那样整天盯着代码跑得快慢，它是那根在地上打桩的柱子，不管云如何变，这根柱子一辈子立在那儿，等着别人往上面搭房子。 大量人一上来就拿 k8s 和 hdfs 比，认定 k8s 才是王道，毕竟它是整个云时代的皇冠。
这话没错，但它确实有点“忒智慧”了。k8s 这哥们儿，也就是那个著名的 K8s，咱们常把它比作 Kubernetes。它天生会跑，自带一套魔法，能自动运维，能自动扩容，就连还能自动滚动更新。
这就好比一个训练有素的教练，能自己指挥手下训练，还自带装备。你手里拿个 k8s 管住器，就能搞定大局部事件，不用自己手动去管一堆服务死活。 hdfs 呢，那就像是个沉默寡言的老矿工。它没有那些花里胡哨的自动运维功能，它只干一件事：存东西。并且存得多，并且稳。
那会儿硬盘也就那么大，数据量大了自然就难，便设计了分层存，底层用快硬盘，表层用便宜硬盘，如何换也不心疼。hdfs 就是那个把数据铺到海量硬盘上的大胡子，它懒得出奇，就连懒得告诉你它是如何存的，但数据确确实实都躺在地上，哪位也抢不走。 如此说可能有点抽象，咱得用个具体的例子。假设咱们有个互联网公司，每天形成几 PB 的业务日志数据。
这时候要是用纯数据库做，那简直是灾难，加个索引都得半小时，还得维护索引，运维成本忒高。
那就用 hdfs，它就是个超大仓库。你能够把这几个 PB 数据扔进去，它自己就会思索：“哦，这些数据量忒大了，得用 HDFS 文件系统。”然后它自动把数据切分，分片，均匀地铺到集群里的几百台机器上。你要是想查某个用户的历史行为，它就能从几百块硬盘里找一找，瞬间给你出来。你要是想加个索引？hdfs 都不给你机会，它只管存，不管做索引，索引任务那是另外的伙计才负责的。 这就是 hdfs 的哲学：分工。k8s 负责指挥，协调流量，处理故障，它是软件世界的指挥官；hdfs 负责存，负责数据，它是软件世界的仓库管理员。任何软件，要是只懂指挥不懂存，那就像是一个只会喊口号的队长，队伍上来了随时散伙；要是只懂存不懂指挥，那就像是个不知疲倦的仓库管理员，货物堆了也管不了物流。
只有两者配合，才能在这个复杂的云世界里把数据保险地存有，把服务流畅地跑起来。 再说说它的优缺点。优点嘛，就是稳。数据丢了，hdfs 一般能赔的起，出于它有副本机制，多份数据在多台机器上，一台挂了还能恢复。并且它的数据模型就是面向文件的，这就好比你买磁带录像机，数据就是一个个文件，存取撇脱。缺点也是明显的，就是它挺“笨”。它不赞成数据库级别的复杂查询，要是你想做复杂的关联分析、多表 JOIN，你得用 Spark 要么 other 工具在文件上跑。它也不赞成像 K8s 那样东一窗西一窗快速扩缩容，它的资源调度是离散的，你得自己要么用一些调度器来安排。 故此，当你看到 K8s 和 HDFS 出目前一起时，千万别紧张。
那是正常的，就像你在超市看到牛奶和白糖。K8s 负责把应用程序编排起来，让它们在容器里跑得欢天喜地；HDFS 负责把这些应用程序形成的海量日志、配置、中间件数据存起来，保证它们不丢失，能随时调用。它们不是竞争对手，而是生态系统里不可或缺的互补角色。 最终，咱们回到那个难题。HDFS 这个品牌是哪位发明的？它是 MapReduce 项目标一局部，由 Intel 公司发起的，后来被命名为 Hadoop。它最早是为了处理大数据而生的，后来随着技术的演变，Hadoop 这个框架被拆分成好多块，HDFS 就是其中一块，也是整个 Hadoop 生态里最核心、最基础的那一块。它没有 K8s 那么漂亮，没有 Kubernetes 那么智能化，但它确实是最实在的那块砖，是云上存数字世界的基石。