MapReduce一些优化配置（尝试）

最近在阅读hadoop MapReduce的一些配置，以后工作中可以逐步尝试下。

1. 整个MapReduce的核心部分就是在shuffle部分，根据输入文件确定好map后，每一个map都会有一个buffer(in memory),这样以流的方式读取文件，当buffer达到一个阈值时，输入到文件，这样map阶段先回产生一堆spill文件，并且后台进程保证他们按照key有序，最后将它们合并成一个有序（这点有点疑惑，这个文件分区内key是有序的吗？那么这里排序了两次？）的分区的文件。mapreduce.task.io.sort.mb控制buffer的容量，mapreduce.map.sort.spill.percent控制阈值。
2. 当map task结束时，会有多个分割的文件，在task结束前，会将这些spill文件合并到一起，有序，分区的。参数mapreduce.task.io.sort.factor不仅控制了merge的最大流的数量，同时也控制了随后各个map的文件合并的情况，例如途中每2个merger文件合并一个文件。如果有50个map，factor为10。那么最后会产生5个文件给reduce。
3. mapreduce.map.output.compress=true,mapreduce.map.output.compress.codec配置压缩编码。
4. mapreduce.reduce.shuffle.input.buffer.percent：Map的输出会被复制到，reduce task的JVM的内存中，如果它们足够小的话。这个参数控制了jvm中的head的多少比例可以被用来作为buffer的容量。同时，mapreduce.reduce.shuffle.merge.percent控制这个阈值
5. mapreduce.job.reduce.slowstart.completedmaps多少比例的map任务完成后，开始reduce。