我们知道Hadoop使用数据位置原则来生成map-reduce作业以节省网络带宽。以下是对其工作原理的说明：
取自：http://hadoop-gyan.blogspot.in/
Hadoop尽力在数据所在的节点上运行map任务 本地存在以优化网络和节点间 通信延迟。由于输入数据被分成多个部分并被馈送 对于不同的地图任务，希望将所有数据馈送到 该映射任务在单个节点上可用。由于HDFS仅保证 大小等于其块大小（64M）的数据将出现在一个上 建议/建议将分割大小等于HDFS 块大小，以便map任务可以利用此数据 定位。
即使底层文件系统不是HDFS，Hadoop也能运行map-reduce作业（即，它可以在其他文件系统上运行，例如亚马逊的S3）。现在，在这种情况下如何计算数据位置？在HDFS的情况下，namenode具有所有块位置信息，并使用该映射器尽可能接近数据生成。但是，在其他文件系统中，没有namenode的概念。然后，Hadoop MapReduce框架（JobTracker和TaskTracker）如何在运行作业时了解数据的位置以应用数据位置原理？
答案 0 :(得分：5)
正如您所提到的，像S3这样的文件系统不需要运行namenonde。在这种情况下，数据位置优化不可用。