在 MapReduce 框架 Mapper 任务根据数据局部性概念分配给机器。这意味着，存储数据块的数据节点将被分配执行该数据块的Map器任务。
当您将数据存储到 HDFS 使用为数据复制和块大小定义的配置。因此，如果原始文件是128mb，块大小是64mb，那么文件将被分成两个块。这些积木将存放在两台不同的机器上。以下是hdfs设计文件的引用：
hdfs使用的典型块大小是64 mb。因此，一个hdfs文件被分割成64mb的块，如果可能的话，每个块将驻留在不同的datanode上。
现在什么时候开始 MapReduce 一个特定文件的作业然后两个 Mapper 任务将在这两台机器上启动。
因此，数据分割和Map绘制程序的启动完全是两件独立的事情。第一个是由 HDFS 第二是框架 MapReduce 框架。

是的，Map任务的输入是在hadoop中mapper阶段开始之前准备好的。Map绘制者的数量由Map绘制者的数量决定 Input Splits 在Map程序阶段开始之前为给定的输入文件计算。
在这里 Input Split 是给定输入文件的逻辑块，其中默认情况下，将为文件的每个块准备一个输入拆分，并为每个输入拆分分派一个Map器任务。
您可以通过控制 mapreduce.input.fileinputformat.split.maxsize 以及 mapreduce.input.fileinputformat.split.minsize 属性。
可用于执行计算出的Map任务数的节点数取决于集群的容量。
例如，假设输入文件的大小约为100gb（102400MB），块大小为100mb，并且输入拆分大小为块大小（默认情况下），则将计算1024个Map任务。在这种情况下，假设集群中可用于跨集群执行map/reduce任务的最大容器数为500，那么在最佳情况下，只能并行执行500个Map器。较早执行Map任务容器的机器将从队列中选取下一个Map任务，并继续执行，直到完成所有Map程序。
希望这有帮助。