Hadoop 核心能力：海量数据分布式存储（HDFS）+ 分布式计算框架（MapReduce/YARN），主打低成本、高可靠、横向扩容，适合TB/PB 级、非实时、离线为主的数据场景；现在企业很少单独裸用 MapReduce，大多基于 Hadoop 底座搭建数据湖、数仓，上层跑 Spark、Hive、Flink、Hudi 等组件。
一句话定位：Hadoop 是传统大数据底座，适合海量冷 / 温数据长期存储、离线批量计算；实时场景一般搭配 Kafka + Flink。
1. 离线数据仓库（最主流场景）
绝大多数企业引入 Hadoop 的首要用途。
数据来源：业务数据库 MySQL/PostgreSQL、日志、埋点、第三方接口、ERP、CRM 等，通过 DataX、Sqoop、Canal 同步到 HDFS
组件：Hive（数仓 SQL）、YARN 资源调度、HDFS 存储，分层建设 ODS/DWD/DWS/ADS
用途：
经营报表、日 / 周 / 月汇总统计（销售额、订单量、用户留存、复购）
财务对账、渠道结算、代理商佣金计算
用户标签宽表加工，给画像、营销系统输出数据
特点：T+1 离线计算，不支持秒级实时；数据量大、计算逻辑复杂、跑一次耗时久
2. 用户行为分析 & 埋点日志分析（互联网、零售、APP）
采集：APP、小程序、网页前端埋点日志、Nginx / 后端服务访问日志
存入 HDFS 做长期归档，用 Spark/Hive 清洗、去重、会话拆分
产出：页面 PV/UV、点击路径、流失分析、版本效果 A/B 实验统计、渠道投放效果归因
优势：日志量巨大（每天几十亿条），HDFS 廉价存储，可以留存数月甚至数年日志，随时回溯复盘
3. 数据湖存储底座（湖仓一体）
很多企业的数据湖底层就是 HDFS：
统一存储结构化、半结构化（JSON、Parquet）、非结构化数据（图片、音视频、文档、备份文件）
上层同时支持：Hive 离线 SQL、Spark、Flink 实时写入（Hudi/Iceberg）、Trino/Presto 即席查询
对比传统数仓：不用预先强建表结构，原始数据原样落盘，需要时再做 schema；适合业务多变、数据源杂的公司
现在云原生趋势下，很多新方案用对象存储替代 HDFS，但政企、传统大厂自建机房还是大量用 Hadoop+HDFS 做数据湖
4. 风控、反欺诈离线建模（金融、支付、电商）
金融、保险、支付、电商风控分两类：实时风控（Flink）+ 离线特征加工（Hadoop/Spark on YARN）
在 Hadoop 集群批量计算用户历史特征：近 30 天交易频次、跨地区登录、设备关联关系、历史逾期记录
特征存入 Redis / 特征库，供给实时风控引擎调用
离线跑模型训练样本，用 XGBoost、LR 等训练欺诈识别、盗刷模型；定期批量打分，生成风险名单
5. 物联网 IoT 海量时序数据存储与批量统计（制造、能源、车联网）
工厂传感器、电力设备、充电桩、车载传感器，每秒上报海量指标：温度、压力、电压、转速、位置
实时指标用 InfluxDB、TDengine 存最近短期数据做监控告警
历史全量原始数据写入 HDFS 长期保存
离线任务：按天聚合设备故障率、能耗统计、设备健康度分析、生产良率分析、故障根因回溯
制造业 MES 配套：海量生产时序数据归档、批量质检统计
6. 内容 & 多媒体资源存储、批量处理（媒体、短视频、监控）
HDFS 天然适合大文件存储：
视频文件、录音、图片、监控录像原始文件归档
批量任务：批量转码、图片抽帧、OCR 识别、音频文字提取、内容审核离线筛查
比如安防企业：摄像头录像长期冷备存储，按需批量检索分析
7. 日志中台 & 运维审计日志存储（政企、金融等强合规行业）
服务器日志、数据库审计日志、堡垒机日志、访问操作日志集中写入 HDFS
合规要求：审计日志必须保存 6 个月～3 年，不可随意删除、支持事后审计溯源
离线分析：暴力破解、异常登录、越权访问行为批量筛查
实时告警一般用 ELK，长期归档和批量审计交给 Hadoop
8. 基因、测绘、科研离线计算（科研院所、生物医药）
基因测序文件、遥感卫星影像、气象数据，单个文件极大，计算算力消耗高
HDFS 存储原始测序数据、遥感影像
YARN 调度算力，批量跑比对、拼接、特征提取算法；这类任务重 IO、重批量，非常契合 Hadoop 设计
9. 数据迁移、备份、冷数据归档
很多企业把 HDFS 当成低成本大容量存储池：
业务库历史冷数据（几年前订单、历史账单）从 MySQL 迁移到 HDFS，下线业务库，节省昂贵 SSD 数据库存储
作为二级备份介质，核心数据异地 Hadoop 集群灾备
❌ Hadoop 不适合的场景（避坑）
低延迟实时查询（毫秒级报表、实时大屏）：优先 Flink、ClickHouse、Doris
高频随机读写、单行更新：HDFS 不擅长随机修改文件
小文件极多且无合并方案：Hadoop NameNode 压力巨大，是经典痛点
数据量很小（每天几十 GB 以内）：Hadoop 运维成本高，不如直接用轻量 OLAP
✅ 企业落地现状补充
现在很少有人直接写 MapReduce 代码：
Hadoop = HDFS(存储) + YARN(资源调度)
上层运行：Spark、Hive、Flink、Hudi、Iceberg
两种路线：
传统自建：CDH、HDP（老版本）、CDP，政企、制造业、金融本地机房
新趋势：云原生大数据，HDFS 逐步被 S3 兼容对象存储替代，Hadoop 集群在新增项目里占比下降，但存量规模巨大