上传给map的切片
1.根据hadoop版本不同,切片的默认大小不同(与块大小相同),目前一般为128M,还有64M。也可自己定义(一般不自己定义)。
2.切片的数量决定了起的maptask的数量,多少个切片对应多少个maptask。
3.一个小文件就是一个切片,就算不到128m,也是一个切片。例如:有三个文件,2M、4M、129M,这是四个切片(有个1.1倍原则:每次切片时,要判断剩下的部分是否大于块的1.1倍,如不大于,则划分为一个切片)。一般会通过自定义inputformat对小文件进行处理。(这儿和hdfs中的块的概论有点混淆)
3.1与块的联系
每个切片大小与块一样大
一个块就是一个切片,对应一个maptask(目前是这样理解)
4.上传的切片并不是文件的数据,它是包含了数据的长度、数据位置。
5.文件在Linux上占用的大小和在hadoop上占用的大小不同,2M的文件在Linux上占用的大小是2M,在HDFS上占用的是128M(一个块)。