信息科技发展导致大规模数据存储变得更平常。并且数据需要长期保存，同时数据规模在不断增长。而传统的文件系统在存储空间和存储速度、安全上达不到大量数据保存处理的要求。分布式文件系统能够存储海量数据的，是大规模数据存储的重要技术手段。而近年Hadoop作为一种存储和处理大规模数据的解决方案，受到国内外各大公司的热捧。Hadoop分布式文件系统是Hadoop的两大核心之一，可以作为大规模数据存储的解决方案。对基于HDFS的分布式存储进行相关研究，主要包括HDFS集群中小文件处理、副本存放策略和机架感知以及NameNode备份恢复机制和扩展机制。HDFS集群中小文件处理包括三种方案，分别是Hadoop Archive、 Sequence File和CombineFileInputFormat。副本存放策略和机架感知能够让NameNode获取DataNode的网络拓扑图，然后根据DataNode之间的关系来确定副本存放的位置，保证数据可靠性的同时兼顾了数据传输效率。NameNode备份恢复机制通过定期对NameNode中元数据信息备份合并形成新的检查点checkpoint保证NameNode元数据的安全。如果NameNode出现宕机故障，可以节省NameNode重启时间，甚至恢复丢失的数据。HDFS的可扩展性体现在动态新增DataNode，能够满足大规模数据增长的需求。最后基于HDFS集群进行相关应用，并比较HDFS集群与FTP文件传输效率，反映HDFS作为大规模数据存储的解决方案的可行性。