我在研究过去几个月的大数据。
1
我很想知道xml处理在多节点网络中是如何工作的。假设我有一个xml，它有重复的标记，在每个标记中都有更多相似的标记。
要处理xml，首先需要将整个xml存储在内存中。所以，当我提交hadoopmapreduce任务来处理集群中100gb的xml（假设集群中有5个节点）时，那么如何在不同的节点中加载xml呢？
在平面文件的情况下，我可以想象不断地从hdfs读取记录（一个接一个）并在节点之间分发。但不能理解xml。hadoop如何知道，在什么基础上需要进行标签拆分或分发？

<employees>
    <employee id="be129">
        <firstname>Jane</firstname>
        <lastname>Doe</lastname>
        <title>Engineer</title>
        <division>Materials</division>
        <building>327</building>
        <room>19</room>
        <supervisor>be131</supervisor>
    </employee>
    <employee id="be130">
        <firstname>William</firstname>
        <lastname>Defoe</lastname>
        <title>Accountant</title>
        <division>Accts Payable</division>
        <building>326</building>
        <room>14a</room>
    </employee>
    <employee id="be131">
        <firstname>Jack</firstname>
        <lastname>Dee</lastname>
        <title>Engineering Manager</title>
        <division>Materials</division>
        <building>327</building>
        <room>21</room>
    </employee>
    <employee id="be132">
        <firstname>Sandra</firstname>
        <lastname>Rogers</lastname>
        <title>Engineering</title>
        <division>Materials</division>
        <building>327</building>
        <room>22</room>
    </employee>
    <employee id="be133">
        <firstname>Steve</firstname>
        <lastname>Casey</lastname>
        <title>Engineering</title>
        <division>Materials</division>
        <building>327</building>
        <room>24</room>
    </employee>
    <employee id="be135">
        <firstname>Michelle</firstname>
        <lastname>Michaels</lastname>
        <title>COO</title>
        <division>Management</division>
        <building>216</building>
        <room>264</room>
    </employee>
</employees>

让我们以上面的xml为例，想象一下 employee 标签，那么hadoopMap器拆分机制如何在5个节点之间分发xml，以及如何处理和协调要处理的分布式xml呢？
我希望我的问题大家都清楚。