HDFS的block和切片(split)的区别
1.数据块的block: 是HDFS物理数据块,一个大文件丢到HDFS上,会被HDFS切分成指定大小的数据块,即block。
2.数据切片: 数据切片是逻辑概念,只是程序在输入数据的时候对数据进行标记,不会实际切分磁盘数据。
3.split的大少在默认的情况下和HDFS的block切块大少一致,为了是MapReduce处理的时候减少了由于split和block之间大小不一致,可能会完成多余的网络之间的传输。
4.Mapper的数量是由切片数量决定。对文件切成多少份,Hadoop就会分配多少个MapTask任务并行执行该文件。
5.split:split是逻辑意义上的split。通常在M/R程序或者其他数据处理技术上用到。根据你处理的数据的情况,切片是允许用户自定义的。