我有一个用例，其中我使用hadoop流来运行一个可执行的as-map进程。在输入端，我有大量的序列文件。每个seq文件都有8个键和相应的值，它们是浮点数组的列表。我宁愿将一组seq文件分配给一个map进程，而不是让一个map进程来处理一个seq文件。因此，我决定将所有这些seq文件合并成一个大文件。假设这个大seq文件由50000个小seq文件组成。
现在，是否可以将hadoop流实用程序配置为将seq文件的一部分分配给每个map进程？
如何使每个Map进程获得需要处理的文件名列表？如何在Map可执行文件中检索这些信息？可执行文件是设计用于处理stdin的纯groovy脚本。在这种情况下，我的stdin会是什么样子（如何确定键/值对，以及它们的内容是什么）或者，因为我已经合并了序列文件，它们变成了一个大文件，并且丢失了各自的标识，这意味着我不能拥有它们的文件名，我需要处理一堆序列文件的键/值？
我认为，这个大的seq文件将有key/value，其中key是文件名，value是该文件的内容，而该文件又包含8个键和相应的值？如果是这样的话，当hadoop根据可能的Map数（假设在我的集群中可能有10个Map）拆分这个大文件时，每个Map将得到大约5000个键和相应的值？那么，在map exec中，如何访问这些键和值？
任何暗示都会大有帮助