block:HDFS存储数据在DataNode节点,block就是里面存储数据的一个一个单位。当我们把文件上传到HDFS时,文件会被分块,这个是真实物理上的定义。
split:逻辑上的定义,是把block切分而成的虚拟上的定义,是MapRuduce里的概念。通常一个split就是一个block这样做的好处是使Map可以在存储有当前数据的节点上运行本地的任务,而不需要通过网络经行跨界点的任务调度。
总结:1.block是物理上的数据分割,split是逻辑上的分割
如果没有特别指定,split size就等于HDFS的block size。
2.一个split可以包含多个blocks,也可以把一个block应用多个split操作