我阅读了以下 wiki，但仍然无法澄清一件事。
https://wiki.apache.org/hadoop/HadoopMapReduce
比如说，我有一个大文件被分成两个 HDFS 块，并且这些块被物理保存到 2 台不同的机器中。考虑在集群中没有这样的节点在本地托管这两个块。据我了解，对于 TextInputFormat HDFS 块大小通常与拆分大小相同。现在由于有 2 个拆分，2 个地图实例将在 2 个单独的机器中生成，这些机器在本地保存块。现在假设 HDFS 文本文件在一行中间被破坏以形成块。hadoop 现在会将第 2 台机器中的第 2 块复制到第 1 台机器中，以便它可以提供第 2 块的第一行（断线的一半）来完成第一个块的最后一条断线吗？
现在假设 HDFS 文本文件在一行中间被破坏以形成块。hadoop 现在会将第 2 台机器中的第 2 块复制到第 1 台机器中，以便它可以提供第 2 块的第一行（断线的一半）来完成第一个块的最后一条断线吗？
Hadoop 不会将块复制到运行映射任务的节点，块从数据节点流式传输到任务节点（具有一些合理的传输块大小，例如 4kb）。因此，在您给出的示例中，处理第一个块的映射任务将读取整个第一个块，然后流式读取第二个块，直到找到行尾字符。所以它可能“主要”是本地的。
读取第二个块的多少取决于该行的长度 - 完全有可能一个文件拆分为 3 个块将由 3 个映射任务处理，而第二个映射任务基本上不处理任何记录（但从块 2 和部分 3) 如果一行从块 1 开始并在块 3 结束。
希望这是有道理的