大数据存储HDFS 数据块
Block 是什么？
文件被切成固定大小的块（默认 128MB），是 HDFS 存储和计算的最小单位
类比：把一本厚书拆成若干册，每册单独存放、单独借阅
为什么要切块
一个文件必须能放进单台机器的硬盘才能整存，切块之后就突破了单机容量上限。同时块可以分散到不同机器，读一个大文件时几百台机器一起传，吞吐自然就上去了。
块也是容错的单位：副本、校验、坏块修复都以块为粒度，坏一块只补一块，不用重传整个文件。
为什么是 128MB
HDFS 的块比普通文件系统（4KB）大得多，目的是让磁盘寻址时间只占传输时间的一小部分。经验值是寻址约 10ms，传输 128MB 约 1 秒，寻址开销只占 1%。
块太小 → NameNode 要记的元数据爆炸；块太大 → 并行度不够，最后一个块可能只有几 MB，仍然占一个 slot。所以大文件多、机器多时可以调到 256MB。
常见误区
块大小是“切分粒度”，不是“实际占用”。一个 1KB 的文件在 HDFS 里只占 1KB 数据，但会占掉 NameNode 一条元数据（约 150 字节）——这就是小文件问题的根源。