Hadoop使用的是分布式文件系统HDFS（Hadoop Distributed File System），它将数据划分为多个块，并将这些块分散存储在不同的节点上，以提高数据的可靠性和可扩展性，同时实现数据的并行处理。为了进一步优化数据存储效率，Hadoop还引入了数据压缩技术。
在HDFS中，数据冗余存储主要通过以下方式实现：
- 数据块分散存储与副本创建：HDFS首先将每个数据块划分为若干子块，每个子块的大小通常为64KB。然后，这些子块会被分发到不同的数据节点上进行存储。为了确保数据的安全性，HDFS会为每个数据块的子块创建多个副本，并将这些副本存储在不同的节点上。这样，即使某个节点发生故障，数据也可以从其他节点的副本中恢复。例如，如果设置每个数据块的副本数为3，那么HDFS会在不同的节点上创建三个副本。
- 存储类型多样化：HDFS支持多种存储类型，包括ARCHIVE、DISK、SSD和RAM_DISK，以适应不同的存储需求。其中，DISK是默认的存储类型；ARCHIVE类型具有较高的存储密度（PB级别的存储容量），但计算能力较小，适用于归档存储；RAM_DISK则用于支持在内存中写入单个副本文件，提高数据访问速度。
- NameNode的监控与副本管理：NameNode会时刻监视文件的副本量，如果副本数小于设定的值，它会找到一台DataNode来增加副本数，以确保数据安全。一般来说，至少要有3个副本才能保证在某个DataNode失效的情况下，客户端仍然能够及时获取文件数据。
此外，Hadoop还支持多种数据压缩算法，如LZO、Snappy和Gzip等，用于减小数据存储的空间占用，提高存储效率。同时，Hadoop还提供了数据本地化等优化技术，将计算任务调度到存储数据的节点上执行，以减少数据的网络传输，提高数据访问的效率。
总之，Hadoop通过分布式存储、数据冗余备份、多种存储类型支持以及数据压缩与优化技术，实现了高效、可靠的数据存储和处理。
