Hadoop 的两个核心组件是 Hadoop Distributed File System(HDFS)和 MapReduce。

　　Hadoop Distributed File System(HDFS)： HDFS 是 Hadoop 的分布式文件系统，用于存储和管理大规模数据集。它是一个高度可扩展、容错性强的文件系统，适用于运行在大型集群上的数据处理任务。HDFS 将数据划分为多个块(block)，并将这些块分布在集群中的多个节点上。这种分布式存储方式允许数据被并行读写，提高了数据的访问速度和吞吐量。HDFS 提供了冗余备份机制，通过在不同节点上存储数据块的多个副本，实现了数据的容错性和高可用性。

　　MapReduce： MapReduce 是 Hadoop 的计算框架，用于分布式处理大规模数据。它基于两个主要操作：Map 和 Reduce。Map 阶段将输入数据分割为若干个独立的片段，并在各个节点上进行并行计算。Reduce 阶段将 Map 阶段的中间结果进行合并和聚合，生成最终的输出结果。MapReduce 通过将计算任务分发到集群中的多个节点上，并在节点间进行数据的传输和计算，实现了大规模数据的并行处理和分布式计算。

　　HDFS 提供了高可靠性的分布式存储，而 MapReduce 提供了大规模数据的并行处理能力。它们共同构成了 Hadoop 的核心，使得 Hadoop 能够存储和处理大规模的结构化和非结构化数据。

　　需要注意的是，随着时间的推移，Hadoop 生态系统逐渐发展和演进，现在也涌现出了其他的计算框架，如 Apache Spark、Apache Flink 等，它们具有更高的性能和更多的功能。但在基本的 Hadoop 核心中，HDFS 和 MapReduce 仍然是重要的组件，被广泛应用于大数据处理和分析的场景中。