1.Hadoop與MPI的主要區別體現在資料儲存和資料處理在系統中位置不同。

        MPI是計算與儲存分離，Hadoop是計算向儲存遷移。這一點體現出，hadoop系統中資料儲存的位置更重要。

        MPI是一種基於訊息傳遞機制的並行程式設計標準，它為程式設計者提供了豐富而方便的通訊函式，在程式設計上非常簡單而且符合普通程式設計師的程式設計習慣。然而MPI有一個比較大的缺陷，即底層沒有一個分散式的檔案系統對其進行支援。在MPI中資料儲存的節點和資料處理的節點往往是不同的，一般在每次計算開始時MPI需要從資料儲存節點讀取需要處理的資料分配給各個計算節點，然後進行資料處理，即MPI的資料儲存和資料處理是分離的。對於計算密集型的應用MPI能表現出良好的效能，但對於處理TB級資料的資料密集型應用，大量的資料在節點間進行交換，網路通訊時間將成為影響系統性能的重要因素，效能會大大降低。用“計算換通訊”也是MPI並行程式設計中的基本原則 。

        在Hadoop中有HDFS檔案系統的支援，資料是分散式儲存在各個節點的，計算時各節點讀取儲存在自己節點的資料進行處理，從而避免了大量資料在網路上的傳輸，實現“計算向儲存的遷移”。這對處理TB級的海量資料有很大的優勢。

        Hadoop從上層架構上看是一種典型的主從式結構，主從式的結構在MPI並行程式設計中也是一種重要的並行程式設計方法，主節點負責對整個系統的資料和工作進行管理和分發。而Hadoop與MPI最根本的區別在於，Hadoop有一個主從式的檔案系統HDFS在底層支撐其Map/Reduce的資料處理功能。有了HDFS，Hadoop可以方便地實現“計算向資料儲存位置的遷移”，從而大大提高了系統計算效率。主從式基礎儲存和主從式資料處理構成了Hadoop的基本架構模型。

2.MPI無法應對節點的失效。

     如果MPI在執行過程出現節點失效及網路通訊中斷，則只有返回並退出，MPI沒有提供一套機制處理節點失效後的備份處理方案問題，所以如果中途出現問題，所有的計算將重新開始，這是非常耗時的。Hadoop為應對伺服器的失效，在資料備份上下了很大的功夫，資料塊會形成多個副本儲存在不同的地方，一般會有3個副本，採用簡單化的跨機架資料塊儲存，最大限度避免了資料丟失，資料的安全性得到了保證。