hdfs不是您的本地文件系统—它是一个分布式文件系统。这意味着您的数据集可以大于集群中单个计算机的最大存储容量。hdfs默认使用64MB的块大小。每个块被复制到集群中至少3个其他节点，以考虑冗余（例如节点故障）。因此，使用hdfs，您可以将整个集群看作一个大型文件系统。
当您编写mapreduce程序并设置输入路径时，它将尝试在hdfs上定位该路径。然后，输入被自动划分为所谓的输入分割-固定大小的分区，其中包含来自输入文件的多条记录。一 Mapper 为每个拆分创建。接下来是 map 函数（您定义的）应用于每个剥离中的每个记录，生成的输出存储在节点的本地文件系统中，其中 map 函数从运行。这个 Reducer 然后将此输出文件复制到其节点并应用 reduce 功能。如果执行时出现运行时错误 map 如果任务失败，hadoop将在另一个节点上运行相同的mapper任务，并让reducer复制该输出。
reducer使用从所有mapper任务生成的输出，因此到目前为止，reducer不关心被馈送到mapper的输入分割。

1： HDFS 实际上是分布式存储的解决方案，在本地化的存储空间中会有更多的存储上限和备份问题。 HDFS 是服务器群集存储资源作为一个整体，通过 nameNode 存储目录和块信息管理， dataNode 负责区块存储容器。 HDFS 可以看作是一种更高层次的抽象本地化存储，它可以通过解决分布式存储的核心问题来理解。
2:如果我们使用 hadoop fileinputformat ，首先创建一个 open （） 方法 filesystem 连接到 namenode 要获取位置消息，请将这些消息返回给客户端。然后创建一个 fsdatainputstream 从不同的节点逐个读取。。最后关闭 fsdatainputstream 如果我们将数据放入hdfs客户端，数据将被分割成多个数据并存储在不同的机器上（大于128m[64m]）
数据持久性存储在硬盘上
因此，如果您的文件比普通服务器的压力大得多&需要分布式计算，那么您可以使用hdfs

根据问题将答案分组：
hdfs与本地文件系统
对， HDFS 和本地文件系统不同。 HDFS 是一个 Java -在本机文件系统（如 ext3 ). 它被设计成分布式的、可扩展的和容错的。
数据节点保存数据多长时间？
当数据被摄取到hdfs中时，它被分割成块，复制3次（默认情况下），并分布在整个集群数据节点中。这个过程都是自动完成的。这些数据将保留在数据节点中，直到被删除并最终从垃圾箱中清除。
输入拆分计算
addinputpath（）指定hdfs文件或目录，从中读取文件并发送到Map器进行处理。在到达这一点之前，数据应该已经在hdfs中可用，因为它现在正试图被处理。因此，数据文件本身被分割成块，并在整个数据节点中复制。文件、它们的块以及它们驻留在哪个节点上的Map—这由称为 NameNode .
现在，根据这个api指定的输入路径， Hadoop 将计算处理文件所需的InputSplit数。在作业开始时由 MapReduce 框架。然后每个inputsplit都由Map器处理。这一切都会在作业运行时自动发生。
现有数据的mapreduce
是的，mapreduce程序可以在hdfs中的现有数据上运行。