这是你的问题的答案
我知道默认块大小是64m，
在hadoop版本1.0中，默认大小为64mb，在版本2.0中，默认大小为128mb。可以通过为参数设置值来覆盖默认块大小 dfs.block.size 在配置文件中 hdfs-site.xml .
分裂是64米，
不需要，因为块大小与拆分大小不同。为了更清楚，请阅读这篇文章。对于一个普通的 wordcount 在示例程序中，我们可以安全地假设分割大小与块大小大致相同。
那么对于64m以下的文件，当节点数从1增加到6时，只会有一个节点做拆分，那么速度会不会提高？是这样吗？
是的，你是对的。如果文件大小实际上小于块大小，那么它将由一个节点处理，并且将节点从1增加到6可能不会影响执行速度。但是，您必须考虑投机性执行的情况。在推测执行的情况下，即使较小的文件也可以由2个节点同时处理，从而提高执行速度。
从yahoo dev kb link，推测性执行解释如下：
推测性执行：
hadoop系统的一个问题是，通过将任务划分到多个节点上，少数慢速节点可能会限制程序的其余部分。例如，如果一个节点有一个慢磁盘控制器，那么它可能只以所有其他节点10%的速度读取其输入。因此，当99个map任务已经完成时，系统仍在等待最后一个map任务签入，这比所有其他节点都要花费更长的时间。
通过强制任务彼此独立运行，单个任务不知道其输入来自何处。任务信任hadoop平台来提供适当的输入。因此，相同的输入可以并行处理多次，以利用机器能力的差异。由于作业中的大多数任务即将结束，hadoop平台将跨多个没有其他工作要执行的节点调度剩余任务的冗余副本。这个过程称为推测执行。当任务完成时，他们会向jobtracker宣布这一事实。任务的任何一个副本先完成，就成为最终副本。如果其他副本是推测性执行的，hadoop会告诉tasktracker放弃任务并放弃它们的输出。然后，还原器首先从成功完成Map的Map器接收输入。
默认情况下启用推测执行。通过设置 mapred.map.tasks.speculative.execution 以及
mapred.reduce.tasks.speculative.execution JobConf 选项为false，分别使用旧的api，而对于较新的api，您可以考虑更改 mapreduce.map.speculative 以及 mapreduce.reduce.speculative .

首先假设一个大文件是可拆分的，但情况并非总是如此。
如果您的文件始终小于块大小，那么添加更多节点将永远不会增加处理时间，这只会有助于复制和集群总容量。
否则，您的理解似乎是正确的，不过，我认为最新的默认值实际上是128MB，而不是64 mb