Hadoop机制有以下几种：

1. 分布式文件系统(HDFS)

Hadoop分布式文件系统(HDFS)是Hadoop的核心组件之一，它是专门为大数据存储和处理而设计的分布式文件系统。HDFS的设计理念是将文件分散存储在多台机器上，以提高数据的可靠性和处理效率。HDFS具有高容错性、高扩展性、高吞吐量等特点，适用于存储和处理大规模数据集。

HDFS采用了主从架构，包括一个主节点（NameNode）和多个从节点（DataNode）。主节点负责维护文件系统的元数据，如文件名、文件目录、文件块的位置等；从节点负责存储实际的数据块。HDFS采用数据冗余和复制策略，将数据块复制到多个从节点上，提高了数据的可靠性。

2. 分布式计算框架(MapReduce)

Hadoop的另一个核心组件是分布式计算框架MapReduce。MapReduce是一种分布式计算模型，可以简化并行计算的编程和管理复杂性，适用于处理大规模数据集。

MapReduce将计算任务分为两个阶段：Map阶段和Reduce阶段。在Map阶段，根据输入数据生成中间键值对；在Reduce阶段，将具有相同键的中间结果归并并处理。

3. 分布式调度管理(YARN)

Hadoop的第三个重要组件是分布式调度管理器YARN(Yet Another Resource Negotiator)。YARN旨在提供一个通用的分布式系统框架，可以用于调度和管理各种应用程序，如MapReduce、Spark等。

YARN将计算资源和任务调度管理器分离，通过资源管理器（Resource Manager）和应用程序管理器（Application Master）协同工作。资源管理器负责调度集群中的资源并协调不同应用程序之间的访问；应用程序管理器负责为应用程序分配资源，并监控应用程序的运行状态。

总结：

Hadoop机制主要包括分布式文件系统(HDFS)、分布式计算框架(MapReduce)和分布式调度管理(YARN)。HDFS用于存储和管理大规模数据集，具有高容错性和高扩展性；MapReduce用于实现分布式计算，简化了并行计算的编程和管理复杂性；YARN用于调度和管理各种应用程序，提供了一个通用的分布式系统框架。