說 hadoop 是 append only 究竟是什麼意思？
有很多人說 hadoop 是 append only 的，但是稍微玩過 hdfs 後，大家也會知道，hdfs 中的檔案是可被刪改的，這麼說來，所謂的 append only 到底是什麼意思呢？
問：說 hadoop 是 append only，是因為 hdfs 是 append only 嗎？
沒錯。這裡說的 hadoop 其實就是指 hadoop 的底層檔案系統標準實作，也就是 hdfs。問：但是 hdfs 中檔案是可以刪除的啊！你看，我們還有
hdfs dfs -rm這種指令。
沒錯。hdfs 中的檔案是可以刪除的。問：既然可以刪除，不就可以修改了嗎？
沒錯。他可以被修改。問：但你還是堅持 hdfs 是 append only？
沒錯。
聽起來有點矛盾對吧？別忙著抓狂，其實話應該這麼說，hdfs 不是做不到修改這件事，而是考量到 hdfs 檔案系統的特性，「修改操作」極端沒有效率。
在 hdfs 中，如果我們企圖修改某檔案的一小部份，這就意味著要重寫整個檔案。假設您想在 1G 的檔案中修改十個英文字母，您需要重寫這整整 1G 的資料。而這是現實所無法接受的。因此，雖然技術上「修改資料」這件事並不是做不到，但卻不切實際，所以我們說 hdfs 是 append only 的－－我們可以追加資料，但是不應該修改它。
修改的實作方法
問題到這裡還沒完。對於某些建立在 hdfs 之上，看似可以修改，而且需要經常修改資料的系統，如 HBase 來說，他們很明顯就有修改資料的需求。這又是怎麼做的呢？
簡單來說，他們確實沒有修改資料。作為取代，他們不停地在檔案中添加新資料，並給每份資料附加一個遞增的類似時間戳的版本號。舊版本不被修改也依然存在於系統中，只是在一般使用中，被新版本的資料或刪除要求等等給 mask 掉。
這當然會消耗不少額外空間，不過另一方面，這也讓資料天生存在一個時序性記錄－－用戶可以將追溯時光，退回到任何一個特定的時間點上，並重現資料的演進變化。這在大規模資料倉儲領域與分析中，都是很方便的。