mapreduce 之中map的数目：
mapreduce 会将输入的数据进行切片，切片的数目，就是决定了map的数目。
InputFormat 的格式 使用 TextInputFormat 为例：
1:文件本身的大小 小于 hadoop 的block 的配置大小，那么对应一个文件 启动一个map
(如果小文件过多的话，那么导致map的数目过多。)
2： 文件本身的大小大于 hadoop 的 block 的配置大小，按照文件切片算法进行切片，
有几个切片，就会启动几个Map
TextInputFormat 切片数目计算的算法:
使三个数值之中取中值的算法。
主要的三个参数是：
mapreduce.input.fileinputformat.split.minsize
mapreduce.input.fileinputformat.split.maxsize
还有就是 hadoop 集群配置的 block 的大小。
进行切片的时候，按照这三个参数之中的 第二大的数值，来作为一个文件切片的大小标准。
然后 输入的数据的大小 / 文件切片的大小 就是可以得到 文件切片的数目。
一个简单的demo
设置的数值的默认的单位是字节。
mapreduce 之中 reduce数目：
setNumReduceTasks() 可以用来设置 reduce的个数。
简单的小问题：
map的数目 是越多越好吗？ 答案是不是。
因为map数目太多的话，就是可能会造成map任务的启动所需要的时间 占据了
整个程序运行的大部分的时间，这样的话，反而得不偿失了。
reduce的数目 也不是越多越好。
