split和block的区别以及maptask和reducetask个数设定

本文链接：https://blog.youkuaiyun.com/qq_20641565/article/details/53457622

本文详细解析了Hadoop中Split与Block的概念差异及联系，Split属于MapReduce的范畴，而Block是HDFS文件切块的基础单位。通过介绍如何通过配置文件调整Split的大小，以及它与MapTask的关系，帮助读者深入理解这两个核心概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

很多人可能认为在hadoop中的split和block是一样的，可能是因为hadoop在默认情况下split的大小和hdfs文件分块大小是一样而被误导吧。

下面来谈谈他们的区别和联系：
1.split是mapreduce中的概念，而block是hdfs中切块的大小。

2.split的大小时默认和hdfs的block块大小一致，但是可以通过配置文件自己设置：
其中有俩个配置文件（如下）：

--minsize   默认大小为1
mapreduce.input.fileinputformat.split.minsize  

--maxsize   默认大小为Long.MAXValue 
mapreduce.input.fileinputformat.split.maxsize

在mapreduce的FileInputFormat类中有个getSplits() 方法对文件进行split，算法如下：

Math.max(minSize, Math.min(maxSize, blockSize));

1.如果blockSize小于maxSize && blockSize 大于 minSize之间，那么split就是blockSize；

2.如果blockSize小于maxSize && blockSize 小于 minSize之间，那么split就是minSize；

3.如果blockSize大于maxSize && blockSize 大于 minSize之间，那么split就是maxSize；

maptask和reducetask个数设定：

1.在hadoop中一个split对应一个maptask，需要改变maptask的个数就需要改变上面所描述的配置。

2.而reducetask的个数可以又自己设定

job.setNumReduceTasks(10);