是的，您应该指定hdfs中文件的路径作为mapreduce作业的输入。但好的是，你不需要知道这些文件实际上存储在哪里。
当你上传 1.txt 以及 2.txt 对于hdfs分布式文件系统，hadoop将这些文件中的数据块存储在称为节点（默认情况下为3）的集群中的多台计算机上。如果文件的大小大于一台机器可以存储的大小，hadoop会将文件分成几个块，并将每个块存储在几个节点上。
所以作业不需要知道文件实际存储在哪里。你的作业程序只需要通过uri来识别文件，就像 hdfs://1.txt 以及 hdfs://2.txt .
hadoop尽量在存储数据的同一节点上运行job（或job的一部分）。
当hadoop计划作业时，它会考虑哪些节点拥有作业的数据，以及此时哪个节点可用。然后它会安排作业在节点上运行。
如果每个文件适合一个节点，则作业将被安排在每个文件的一个节点上运行。所以它不会在集群的所有50个节点上运行。

在hadoop中，您将文件放在hdfs上，它将文件复制到多个位置，例如每个文件的3个副本，这些副本均匀分布。
例如，您有50个文件，每个文件在hdfs中有3个副本（这个数字是在设置hadoop时确定的）。说吧 Machine1 有 1.txt, 24.txt and 47.txt m2有 11.txt, 24.txt and 27.txt 其他人也一样。
当您输入_i.txt（i是1到50）时 24.txt hadoop将把这个任务交给m1或m2或者其他拥有这个文件的机器，以便不进行任何网络数据传输。所有其他文件都将由拥有该文件的机器进行处理（在某些例外情况下，这些规则可能会失败）。为了更好地理解这个wiki页面。