问：hadoopv.1.2.1或v.2（yarn）是否提供了一种方法来确定单个作业中不同map任务的核心关联性？换句话说，我可以用与linux类似的方式将特定的map任务固定到特定的内核吗 taskset ，还是它超出了hadoop的控制，由linux调度器决定？
我对MapReduce编程比较陌生，我的项目涉及到研究不同参数（特定于机器或网络）改变时的性能。到目前为止，我已经通过了它的官方文档（v.1.2.1）和许多在线和堆栈交换的线程。
下面我将提供两个不同的案例，以更好地说明我的问题，以及我迄今为止的研究。
示例#1：假设我有以下配置：
输入：2 gib
hdfs块大小：64 mib
数据节点：2节点x 32核（处理器）
不需要减少任务。
根据块大小，将调用2 gib/64 mib=32 map任务。如果 mapred.tasktracker.map.tasks.maximum 设置为 16 然后在节点1上运行16个map任务，在节点2上运行16个map任务，每个节点有16个内核可用(链接：#1，#2）
据我所知，除了“机架感知”（link）之外，没有办法直接控制“节点”关联性，即如何将“Map任务”Map到特定节点（link）。但是，在一个特定的节点中，我可以。。。
问题1:“…”把每个Map任务钉在一个特定的核心上？问题2：。。。保证每个Map任务都会停留在它开始的核心上？或者是它脱离了hadoop的控制，依赖于linux调度器？
示例#2：假设示例#1的配置，但输入大小为8 gib，导致128个Map任务。
问题1：不管 mapred.tasktracker.map.tasks.maximum ，是否同时调用128个map任务？因为我总共有64个Map槽（超过2个节点），所以每个节点平均每个核心处理2个Map任务，这是正确的吗？
问题#2：如果问题#1是正确的，我是否可以控制（在一个节点内）一个map任务在一个内核上停留的“时间”以及它是否会被重新分配到同一个内核，或者它是否超出了hadoop的控制并由linux调度器决定？
关于reduce任务，我假设相关的答案也成立，也就是说，核心亲和性也可能成立（或者不成立）。