HDFS can store any type of file regardless of format; however, 某些属性使某些文件格式更适合分布式计算.

HDFS以固定大小的块组织和分发文件. 例如，给定一个128MB的块大小，一个257MB的文件被分成三个块. 因此，块边界上的记录可能会被分割. 分割时使用的文件格式, also called “splittable,，包括记录组之间的“同步标记”，以便可以使用文件的任何连续块. 此外，压缩可能需要与可分裂性结合在一起.

对压缩的支持尤其重要，因为它权衡了IO和CPU资源. 压缩文件从磁盘加载速度更快，但需要额外的时间来解压缩.

例如，CSV文件是可分割的，因为它们在记录之间包含“行分隔符”. 但是，它们不适合二进制数据，也不支持压缩.

The SequenceFile format, native to the Hadoop ecosystem, 是存储键值记录的二进制格式吗, is splittable, 并支持块和记录级别的压缩.

Apache Avro，一个数据序列化和RPC框架，定义了 Avro Object Container File 存储avro编码记录的格式. 它既可分裂又可压缩. 它还具有灵活的模式定义语言，因此被广泛使用.

The Parquet file format, another Apache project, supports columnar data, 属于每个列的字段被有效地存储在一起.