MapReduce工作模型（重要）

Input就是数据

数据以key-value形式进来之后，我们需要一个解码器InputFormat，它是用来计算有多少个逻辑块以及我怎么读取这些内容。

然后就是Map过程，Map就是我们处理业务数据的过程，比如说WordCount，那我们就对每个单词计数。

然后是combiner是局部汇总，也就是把本机上的结果先汇总，减轻Reducer的压力。但这步不是必须的。

再往下就是Partitioner，它就是一个计算我哪块数据要往哪个Reducer上发，一般默认对key算出一个哈希值，再对Reducer机器的数量取模，就知道发到哪台机器了。

shuffle就是实际传送的过程。

Reducer负责汇总所有机器传来的结果，有几个Reducer最后就有几个输出文件，所以我们还需要一个加码器。解码就是这个内容，我告诉你怎么读，我不告诉你你不知道。而加码器就是我来制定我自己读文件的规则。

————————————————————————————————

重要概念：

1. Input Split（输入分片）:

在执行map计算之前，要根据input进行分片。

每一个Input split对应一个map任务（可以看图），而且Input split存的不是数据块，

存的是一个分片长度和记录了数据位置的数组。

 

 

如何控制Mapper的个数：

这里先贴一下，我觉得这得动手才能了解。

 

（1）默认map个数
     如果不进行任何设置，默认的map个数是和blcok_size相关的。
     default_num = total_size / block_size;

（2）期望大小
     可以通过参数mapred.map.tasks来设置程序员期望的map个数，但是这个个数只有在大于default_num的时候，才会生效。
     goal_num = mapred.map.tasks;
---------------------  经过以上的分析，在设置map个数的时候，可以简单的总结为以下几点：
（1）如果想增加map个数，则设置mapred.map.tasks 为一个较大的值。
（2）如果想减小map个数，则设置mapred.min.split.size 为一个较大的值。
（3）如果输入中有很多小文件，依然想减少map个数，则需要将小文件merger为大文件，然后使用准则2。
---------------------