这个是个问题贴，由about云会员提问。会员答疑。提问和回答都比较有水平，分享出来。
1. MapReduce输入的时候，会对HDFS上面的文件进行split，切分的原则是什么样子的？假如HDFS默认文件存储块大小是64MB。如果一个129MB的文件存在HDFS上面，会有三个文件块，分别是64MB/64MB/1MB。那么此时进行切分的时候，是split为几分？
Hadoop 2.x默认的block大小是128MB，Hadoop 1.x默认的block大小是64MB，可以在hdfs-site.xml中设置dfs.block.size，注意单位是byte。
分片大小范围可以在mapred-site.xml中设置，mapred.min.split.size mapred.max.split.size，minSplitSize大小默认为1B，maxSplitSize大小默认为Long.MAX_VALUE = 9223372036854775807。【
额外说明这里由于版本更新hadoop2.x后面版本及hadoop3.x mapred.min.split.size更改为mapreduce.input.fileinputformat.split.minsize
maxSplitSize更改为： mapreduce.job.split.metainfo.maxsize
】
那么分片到底是多大呢？
minSize=max{minSplitSize,mapred.min.split.size}
maxSize=mapred.max.split.size
splitSize=max{minSize,min{maxSize,blockSize}}
从上面我们看出分片原则：
split分片其实是综合得来的，并不是固定的，而且他和blocksize是有关系的。
首先还是自己的配置，也就是你配置的分片大小。然后最后得出结果。比如你的
我们再来看一下源码
所以在我们没有设置分片的范围的时候，分片大小是由block块大小决定的，和它的大小一样。比如把一个258MB的文件上传到HDFS上，假设block块大小是128MB，那么它就会被分成三个block块，与之对应产生三个split，所以最终会产生三个map task。我又发现了另一个问题，第三个block块里存的文件大小只有2MB，而它的block块大小是128MB，那它实际占用Linux file system的多大空间？
答案是实际的文件大小，而非一个块的大小。
这里更加简洁的总结：
Split的最大值为：max_split
Split的最小值为：min_split
Block的大小：block
切分规则：max(min_split,min(max_split,block))，主要是为了减少网络带宽。
咱们套用上面的公式：
min_split=1b
max_split=Long.MAX_VALUE = 9223372036854775807
max(1,min(9223372036854775807,64M))
这里显然split为64M
既然为64M，那么64MB/64MB/1MB。那么此时进行切分的时候，是split为几分？
应该且分为3份
2. 切分后，是否每一个切分文件对应一个map任务？
第二个问题，这个比较简单了
如上图每一个split，都对应一个map任务
3. 基于1和2两个问题，是否可以认为：每一个文件块对应一个split的文件，并且对应一个map任务？
第三个问题
我们同样看上图，一个文件有很多split，对应多个map任务
4. 每一个MapReduce任务对应几个map，由什么决定的某一个MR任务有几个map任务？
同样第四个问题：
我们还是看上图，
map任务的个数由分片来决定，也就是split决定。当然也可以通过配置
JobConf.setNumMapTasks(n),但是如果小于split，不会生效的。大于split才会生效
5. 如果一个MR job有5个map，那么这5个map是每一个结算节点上一个map任务吗？还是可以多个map在同一个计算节点上？还是根据hadoop的移动计算的原理而来，数据块文件在哪里，map任务就在哪里？
