一个job的map阶段maptask分头并进度（个数），由客户端并提交job时的切片个数决定。
在map阶段读取数据前，fileinputformat会将然后输入文件切割空间成split。split的个数判断了map的个数。影响不大map个数（split个数）的主要注意因素有：
1)文件的大小。当块（）为128m时，如果不是键入文件为128m，会被划分问题为1个split；当块为256m，会被划分问题为2个split。
2)文件的个数。fileinputformat听从文件编缉split，但是只会分割大文件，即那些大小将近hdfs块的大小的文件。如果不是hdfs中设置中为128m，而输入输入的目录中文件有100个，则划分后的split个数至多为100个。
3)splitsize的大小。分片是听从splitszie的大小通过切割空间的，一个split的大小在是没有设置里的情况下，设置为＝hdfsblock的大小。但应用程序是可以通过两个参数来对splitsize参与调节平衡
随着云计算的高速发展，越来越多的应用不需要存储海量数据，因此对高并发和处理海量数据给出了更高的要求，比较传统的关系型数据库这对这些应用场景很难行最简形矩阵应用方法需求。
以及nosql数据库之一的mongodb数据库都能够完全满足和可以解决在海量数据存储方面的应用，越来越多的大网站和企业中,选择mongodb不用mysql并且存储。
什么是mongodb？mongodb
mongodb
mongodb的主要特点（1）文件存储格式为bson，可以使用易于掌握和解释的json风格语法。要比json来说，bson强大更好的性能，通常表现为更快的遍历过程速度、操作更简易、增强了额外的
数据类型。
（2）模式自由，接受嵌入子文档和数组，无需事前创建数据结构，一类逆规范化的数据模型，可以增加想提高查询速度。
（3）代码网站查询，接受丰富的查询表达式，建议使用json形式的标记，可绝不可能网上查询文档中镶入的对象和数组及子文档。
（4）完整的索引支持，除了文档内嵌对象和数据，另外还需要提供了全文索引，mongodb的查询优化器会分析可以查询表达式，并生成沉淀另一个高效稳定的查询计划。
（5）建议使用高效稳定的二进制数据存储，更适合存储位置规模大对象（如高清图片、视频等）。
（6）允许多种复制模式，能提供冗余度及手动故障转移。支持master-slave、replicapairs/replicasets、有限master-master模式。
（7）意见服务端脚本和map/reduce，也可以实现方法海量数据计算，即实现云计算功能。
（8）性能高、速度快。在多数场合，其可以查询速度是对mysql要快的多，这对cpu占用太小。布署很简单的，几乎是零配置。
（9）不自动全面处理碎片，允许手动分片功能利用水平储存的数据库集群，可以相册添加或移除节点。
（10）内置gridfs，支持什么海量存储。
（11）可实际网络访问，采用又高效的mongodb网络协议，在性能方面要效果更优http或rest协议。
（12）第三方意见丰富，mongodb社区重新活跃，越来越多的公司和网站在生产环境中在用mongodb接受技术架构优化，而由10gen公司官方可以提供强横技术支持。
mongodb的适用场景mongodb的通常目标是在键/值存储（提供给了低功耗和高度伸缩性）和传统的rdbms系统（多样的功能）拎起一座桥梁，集两者的优势于一身。
（1）网站数据：mongodb更加适合我实时的再插入，更新与查询，并具备什么网站实时数据存储所需的复制及水平距离伸缩性。
（2）缓存：的原因性能很高，mongodb也比较适合才是信息基础设施的缓存层。在系统重起之后，由mongodb堆建的持久化缓存层是可以尽量避免下层的数据源过载。
（3）大尺寸，低价值的数据：不使用比较传统的关系型数据库储存一些数据时很有可能会也很高级货，到目前为止，某些时候程序员来讲会你选传统的文件进行存储。
（4）高伸缩性的场景：mongodb更加比较适合由数十或数百台服务器混编的数据库。mongodb的路线图中也包含对mapreduce
引擎的内置支持。
（5）用于对象及json数据的存储：mongodb的bson数据格式的很适合文档化格式的存储及可以查询。
如有相同观点，多谢了发表评论。要是很喜欢我的回答，热情“你点赞、分享”。
