mapred.tasktracker.map.tasks.maximum
官方解释：The maximum number of map tasks that will be run simultaneously by a task tracker.
我的理解：一个tasktracker最多可以同时运行的map任务数量
默认值：2
优化值：mapred.tasktracker.map.tasks.maximum = cpu数量
服务器CPU总核数 = more /proc/cpuinfo | grep 'processor' | wc -l
每个CPU的核数 = more /proc/cpuinfo | grep 'cpu cores'
mapred.map.tasks
官方的解释：The default number of map tasks per job
我的解释：一个Job会使用task tracker的map任务槽数量，这个值 ≤ mapred.tasktracker.map.tasks.maximum
默认值：2
优化值：
- CPU数量 （我们目前的实践值）
- (CPU数量 > 2) ? (CPU数量 * 0.75) : 1 （mapr的官方建议）
注意：map任务的数量是由input spilit决定的，和上面两个参数无关
mapred.tasktracker.reduce.tasks.maximum
官方解释：The maximum number of reduce tasks that will be run simultaneously by a task tracker.
我的理解：一个task tracker最多可以同时运行的reduce任务数量
默认值：2
优化值： (CPU数量 > 2) ? (CPU数量 * 0.50): 1 （mapr的官方建议）
mapred.reduce.tasks
官方解释：The default number of reduce tasks per job. Typically set to 99% of the cluster's reduce capacity, so that if a node fails the reduces can still be executed in a single wave.
我的理解：一个Job会使用task tracker的reduce任务槽数量
默认值：1
优化值：
- 0.95 * mapred.tasktracker.tasks.maximum
理由：启用95%的reduce任务槽运行task, recude task运行一轮就可以完成。剩余5%的任务槽永远失败任务，重新执行
- 1.75 * mapred.tasktracker.tasks.maximum
理由：因为reduce task数量超过reduce槽数，所以需要两轮才能完成所有reduce task。具体快的原理我没有完全理解，上原文：
hadoop官方wiki： 写道