[许多Hadoop教程站点（即https://techvidvan.com/tutorials/data-locality-in-hadoop-mapreduce/）定义的数据局部性指出：“ Hadoop中的数据局部性是将计算移至实际数据所在位置附近的过程，而不是将大数据移至计算中。这使总体上最小化网络拥塞。“
我可以理解，让数据所在的节点处理这些数据的计算，而不是四处移动数据，将是高效的。但是，“将计算移近实际数据所在的位置”是什么意思？这是否意味着如果数据位于德国的服务器上，那么最好使用法国的服务器对这些数据进行计算，而不是使用新加坡的服务器进行计算，因为法国比新加坡更靠近德国？
通常人们以不同的角度谈论此问题，尤其是在Hadoop上下文中。
假设您有一个由5个节点组成的集群，您将文件存储在此处，并且需要对其进行计算。
使用数据局部性，您尝试使计算在存储数据的节点上进行（而不是例如具有可用计算资源的第一个节点）。
这可以减少网络负载。
很好的认识到，在许多新的基础架构中，网络不是瓶颈，因此您将继续了解有关计算和存储解耦的更多信息。