MapReduce原理（2）： 普通文件、HDFS中的块block、切片splits区别

为了避免对文件、块、片理解有误区，解释一下三者关系

1、一个文件从本地被上传到HDFS时，会进行分块，块大小默认是64M，同时会产生副本数保存在其他datanode上，默认副本数是3个，课通过配置文件修改
2、要进行分片时，先把块从分布式文件系统中取出，调用getSplits(),通过分片算法对块进行分片，片的单位大小就是块的大小，hadoop默认128M
3、block是在物理内存上进行存储的，是真实存储在hdfs上的
4、split 是在虚拟上的存储，是在逻辑上的分片，减少块的数量，便于后续读取
5、一个split只能属于一个文件，但是一个文件会被切成很多片
6、一个split可能包含多个block，但一个block不一定只属于一个split。比如：split1完全包含block1，部分包含block2,；block2一部分属于split1，一部分属于split2.