mapreduce学习总结（一）

1. mapper任务一般执行 输入格式解析、投影（选择相关的字段）、过滤（过滤掉无关记录）。

reducer任务一般

2. 对于map任务和ruduce任务，tasktracker有固定数量的任务槽。

3. 分片（split）的大小一般就是文件块大小。map任务的数量取决于文件大小和块大小，不用刻意去设置。

4. 每个分区（partitioner）对应一个reduce任务，所以partition数目等于作业reducer的个数，输出文件由分区号命名，如：part-00000，part-00001等等。

5. 有些应用程序可能不希望文件被切分（即使文件分为很多块），希望用一个mapper完整处理。方法1：将最小分片大小设置为“大于最大处理文件大小”；方法二：使用FileInputFormat具体子类，并且重载isSplitable（）方法，把返回值设置为false.

6. 将若干个小文件打包成顺序文件，要使用到WholeFileInputFormat类。

7. hadoop非常擅长处理非结构化文本数据。

8. hadoop文件是按照字节切分为分片（而不是行），所以每个分片的行数是不一样的。

9.Job的提交处理流程：