首先，分布式缓存存在的原因是，所有Map程序都可以（读取）访问公共文件，例如停止字列表。如果不需要，那么就不需要分布式缓存。此外，如果您描述的两个文件的格式相同，并且您以相同的方式处理它们，那么只需将它们的根目录作为输入传递给Map器。hadoop将以相同的方式处理它们，并将它们拆分。如果不是这样，那就继续读我的答案。
如果要将第一个Map器的输出用作第二个Map器的（单个）输入，则可以使用链Map器。
但我猜你也希望使用第二个输入文件。所以你可以把你的工作分成两份工作。然后，第二个作业Map器的输入可以是两个输入文件的组合：第一个作业的输出和一个文件，只要它们的格式相同。因此，可以使用addinputpath方法。
否则，您可以直接从文件系统获取文件，如下所述。
请注意，如果您的大文件大于一个块的大小（默认为64MB），并且它是可拆分的，hadoop会“自动”将其拆分，当它作为Map器的输入提供时。