实际上，当一个mapreduce作业被触发时，它首先检查输入文件，为简单起见，我们只有一个大的输入文件！。如果该文件的大小大于块大小，作业跟踪器将按块大小拆分该文件，然后启动 No. of map tasks = No. of Splits 生成并将每个分割传递给每个Map器任务进行处理。因此，每个Map程序不会处理多个分割。另外，如果输入文件大小小于块大小，那么jobtracker将把它作为一个单独的分割。
假设块大小为64mb，您有两个文件，每个文件的大小为10mb，那么jobtracker将生成2个拆分！，因为根据 FileInputFormat 拆分可以是单个文件（如果filesize<=块大小）或文件的一部分（如果其大小>块大小）。
因此，Map程序将只处理单个拆分，而且拆分不能包含多个文件（默认格式为fileinputformat时为true，但如果是combine file input format，则可以跨多个文件）。
我猜你用的是filinputformat。嗯！
您可以参考hadoop：了解其基础知识的权威指南。

以下是您的操作方法：
1） 在mapper.setup（）中初始化字符串向量（如果分割太大，则初始化文件-分割大小通常是~block size of the input n hdfs）。
2） 在mapper.map（）中读取线并将它们添加到向量中。
3） 现在你得到了向量的整个分裂。是否在mapper.cleanup（）中进行处理：例如，可以遍历循环，并将每一行作为键写入reducer，将分割的所有行作为值写入reducer。

在reducer任务中，可以获取文件的所有行。如果它解决了您的问题，请查看：

public class FileLineComparison {

        public static class Map extends
                Mapper<LongWritable, Text, Text, Text> {
            private Text fileName = new Text();

            public void map(LongWritable key, Text line, Context context)
                    throws IOException, InterruptedException {// Parse the input string into a nice map
                /*
                 * get file name from context and put it as key,
                 * so that reducer will get all lines of that file
                             * from one or more mappers
                 */
                 FileSplit fileSplit = (FileSplit)context.getInputSplit();
                 fileName.set( fileSplit.getPath().getName());

                 context.write(fileName, line);

            }
        }

        public static class Reduce extends
                Reducer<Text, Text, Text, Text> {

                      public void reduce(Text filename, Iterable<Text> allLinesOfsinglefile,  Context context) throws IOException, InterruptedException {
                          for (Text val : allLinesOfsinglefile) {
                              /*
                               * you get each line of the file here.
                               * if you want to compare each line with the rest, please loop again.
But in that case consider it as an iterable object
                               * do your things here
                               */
                          }
                        /*
                         * write to out put file, if required  
                         */
                      context.write(filename, filename);
                      }
                  }
    }

或者如果你真的需要它在Map，请阅读文件本身在每个Map，因为文件名和路径，我们从 split 。仅当文件大小较小时才建议使用。。