hadooop提供了乙個設定map個數的引數mapred.map.tasks，我們可以通過這個引數來控制map的個數。但是通過這種方式設定map的個數，並不是每次都有效的。原因是mapred.map.tasks只是乙個hadoop的參考數值，最終map的個數，還取決於其他的因素。
為了方便介紹，先來看幾個名詞：
block_size : hdfs的檔案塊大小，預設為128m，可以通過引數dfs.block.size設定
total_size : 輸入檔案整體的大小
input_file_num : 輸入檔案的個數
（1）預設map個數
如果不進行任何設定，預設的map個數是和blcok_size相關的。
default_num = total_size / block_size;
（2）期望大小
可以通過引數mapred.map.tasks來設定程式設計師期望的map個數，但是這個個數只有在大於default_num的時候，才會生效。
goal_num = mapred.map.tasks;
（3）設定處理的檔案大小
可以通過mapred.min.split.size 設定每個task處理的檔案大小，但是這個大小只有在大於block_size的時候才會生效。
split_size = max(mapred.min.split.size, block_size);
split_num = total_size / split_size;
（4）計算的map個數
compute_map_num = min(split_num, max(default_num, goal_num))
除了這些配置以外，mapreduce還要遵循一些原則。 mapreduce的每乙個map處理的資料是不能跨越檔案的，也就是說min_map_num >= input_file_num。 所以，最終的map個數應該為：
final_map_num = max(compute_map_num, input_file_num)
經過以上的分析，在設定map個數的時候，可以簡單的總結為以下幾點：
（1）如果想增加map個數，則設定mapred.map.tasks 為乙個較大的值。
（2）如果想減小map個數，則設定mapred.min.split.size 為乙個較大的值。
（3）如果輸入中有很多小檔案，依然想減少map個數，則需要將小檔案merger為大檔案，然後使用準則2。
如何在hadoop中控制map的個數
hadooop提供了乙個設定map個數的引數mapred.map.tasks，我們可以通過這個引數來控制map的個數。但是通過這種方式設定map的個數，並不是每次都有效的。原因是mapred.map.tasks只是乙個hadoop的參考數值，最終map的個數，還取決於其他的因素。為了方便介紹，先來看...
如何在hadoop中控制map的個數
hadooop提供了乙個設定map個數的引數mapred.map.tasks，我們可以通過這個引數來控制map的個數。但是通過這種方式設定map的個數，並不是每次都有效的。原因是mapred.map.tasks只是乙個hadoop的參考數值，最終map的個數，還取決於其他的因素。為了方便介紹，先來看...
如何在hadoop中控制map的個數
hadooop提供了乙個設定map個數的引數mapred.map.tasks，我們可以通過這個引數來控制map的個數。但是通過這種方式設定map的個數，並不是每次都有效的。原因是mapred.map.tasks只是乙個hadoop的參考數值，最終map的個數，還取決於其他的因素。為了方便介紹，先來看...