先看下面的题目:
参考下面的MR系统的场景:
--hdfs块的大小为64MB
--输入类型为FileInputFormat
有三个文件的大小分别是:64KB 65MB 127MB
Hadoop框架会把这些文件拆分为多少块?
答案如下:
5块:64K,64M,1M, 64M,63M
我之前的理解是4块,错误的原因是没有真正的理解数据的分块和数据的切片之间的关系,下面来阐述有一下:
分块:指的是文件在HDFS上的存储,将要存储的数据分成一块又一块,然后放在HDFS上存储;
切片:指的是MapReduce阶段的FileInputFormat阶段对于数据块的切片,默认的切片大小是块大小。
在本题目中: 求的是HDFS中的数据分块,而不是对于块的切片。所以会被分成了四块。这里如果是切片的话,会被切成四片。因为在65M 的时候,因为没有大于文件的1.1倍,所有不会被切分掉。