HADOOP伪分布式模式存储采用Hadoop的HDFS（Hadoop Distributed File System）作为其底层存储系统。HDFS是一个高容错性的分布式文件系统，它允许用户在集群中存储和访问数据，而无需关心数据的具体物理位置。
HDFS的主要特点如下：
1. 高容错性：HDFS通过复制数据块到多个节点上，确保数据在任何节点出现故障时都能被恢复。这种设计使得HDFS具有很高的容错性，即使在部分节点发生故障的情况下，整个集群仍然可以正常运行。
2. 数据块管理：HDFS将数据划分为数据块（block），每个数据块包含一个或多个文件的数据。数据块的大小可以根据需要进行调整，通常为64MB。HDFS使用元数据来跟踪数据块的位置和状态，以便进行高效的数据访问和复制。
3. 数据访问：HDFS支持多种数据访问协议，如MapReduce、Spark等。这些协议允许用户编写程序来处理和分析数据，而无需关心数据的存储位置。此外，HDFS还提供了REST API，方便用户通过HTTP请求访问和管理数据。
4. 数据迁移：当需要将数据从一个节点迁移到另一个节点时，HDFS会自动执行数据迁移操作。这包括重新分配数据块、更新元数据以及重新组织文件系统结构。数据迁移完成后，用户可以继续使用原数据块上的数据。
5. 数据压缩：HDFS支持多种数据压缩算法，如GZIP、LZ4等。这些算法可以在不牺牲数据完整性的前提下，减少数据块的大小，从而降低存储成本。
6. 数据共享：HDFS允许多个用户同时访问同一数据块上的数据，实现数据的并行处理。此外，HDFS还支持数据块的共享，使得多个用户可以使用相同的数据块进行计算任务。
7. 数据安全：HDFS提供了多种安全机制，如访问控制、加密等，以确保数据的安全性。用户可以通过设置权限、角色和密码等手段，限制对数据的访问和修改。
8. 数据备份：HDFS提供了数据备份功能，允许用户定期将数据备份到其他存储设备上。这样，即使原始数据丢失或损坏，用户仍可以恢复数据。
总之，HADOOP伪分布式模式存储采用Hadoop的HDFS作为其底层存储系统，具有高容错性、数据块管理、数据访问、数据迁移、数据压缩、数据共享、数据安全和数据备份等特点。这些特点使得HDFS成为大规模数据处理和分析的理想选择。
