我是hadoop的新手，我对此有以下问题。Hadoop任务可以在单个节点上并行运行
这就是我在hadoop中理解的。
1）当过任何文件写入Hadoop中它存储所有数据节点的数据块（64MB默认）
2）当我们运行的MR工作，分裂将从此块中创建和在每个数据节点上分割将被处理。
3）从每个分割记录读取器将被用来在映射器端生成键/值对。
问题：
1）一个数据节点可以一次处理多个分割吗？如果数据节点容量更大？
我认为这是MR1的局限性，而用MR2 YARN我们有更好的资源利用率。
2）将在数据节点上以串行方式读取拆分，还是可以并行处理以生成键/值对？ [通过随机访问数据节点拆分中的磁盘位置]
3）map/reduce体系结构中的'slot'术语是什么？我正在阅读其中一篇博客，它说YARN将在Datanode中提供更好的插槽利用率。
让我先说说what I have understood in hadoop部分。
存储在Hadoop文件系统中的文件是不存储在所有数据节点。是的，它被分成块（默认为64MB），但是存储这些块的DataNode的数量取决于a.File Sizeb.Current Load on Data Nodesc.Replication Factor和d.Physical Proximity。 NameNode在决定哪些dataNodes将存储文件的块时考虑到这些因素。
再次每个数据节点可能不处理拆分。首先，DataNode只负责管理数据的存储，而不执行作业/任务。 TaskTracker是负责在单个节点上执行任务的从节点。其次，只有那些包含该特定作业所需数据的节点才会处理拆分，除非这些节点上的负载过高，在这种情况下，拆分中的数据将被复制到另一个节点并在那里处理。
现在来的问题，
同样，数据节点不负责处理作业/任务。我们通常将dataNode + taskTracker组合为一个节点，因为它们通常位于同一个节点上，处理不同的职责（数据存储&正在运行的任务）。给定节点一次可以处理多个分割。通常将单个分割分配给单个Map任务。这可以转化为在单个节点上运行的多个Map任务，这是可能的。
来自输入文件的数据以串行方式读取。
节点的处理能力由Slots的数量定义。如果一个节点有10个插槽，则意味着它可以并行处理10个任务（这些任务可能是Map/Reduce任务）。考虑到该节点的物理配置，例如内存，物理存储，处理器内核的数量等，集群管理员通常配置每个节点的插槽数量。