但是通過這種方式設(shè)置map的個(gè)數(shù)，并不是每次都有效的。原因是mapred.map.tasks只是一個(gè)hadoop的參考數(shù)值，最終map的個(gè)數(shù)，還取決于其他的因素。
為了方便介紹，先來看幾個(gè)名詞：
block_size : hdfs的文件塊大小，默認(rèn)為64M，可以通過參數(shù)dfs.block.size設(shè)置
total_size : 輸入文件整體的大小
input_file_num : 輸入文件的個(gè)數(shù)
（1）默認(rèn)map個(gè)數(shù)
如果不進(jìn)行任何設(shè)置，默認(rèn)的map個(gè)數(shù)是和blcok_size相關(guān)的。
default_num = total_size / block_size;
（2）期望大小
可以通過參數(shù)
mapred.map.tasks來設(shè)置程序員期望的map個(gè)數(shù)，但是這個(gè)個(gè)數(shù)只有在大于default_num的時(shí)候，才會(huì)生效。
goal_num =mapred.map.tasks;
（3）設(shè)置處理的文件大小
可以通過mapred.min.split.size 設(shè)置每個(gè)task處理的文件大小，但是這個(gè)大小只有在大于
block_size的時(shí)候才會(huì)生效。
split_size = max(
mapred.min.split.size,
block_size);split_num = total_size / split_size;
（4）計(jì)算的map個(gè)數(shù)
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的每一個(gè)map處理的數(shù)據(jù)是不能跨越文件的，也就是說max_map_num <= input_file_num。 所以，最終的map個(gè)數(shù)應(yīng)該為：
final_map_num = min(compute_map_num, input_file_num)
經(jīng)過以上的分析，在設(shè)置map個(gè)數(shù)的時(shí)候，可以簡單的總結(jié)為以下幾點(diǎn)：
（1）如果想增加map個(gè)數(shù)，則設(shè)置mapred.map.tasks 為一個(gè)較大的值。
（2）如果想減小map個(gè)數(shù)，則設(shè)置mapred.min.split.size 為一個(gè)較大的值。