Map器的数量取决于hdfs中的文件块大小（默认情况下）和输入分割大小（如果我们指定的不是默认值）。
如果您有128mb的文件，并且hdfs块大小是64mb，那么由于默认行为，Map任务的数量将是2。
如果您的输入分割大小是32mb，而hdfs块大小是64mb，那么Map任务的时间数将是4。因此，map任务依赖于上面定义的所有三个因素。
reduce任务的数量取决于 conf.seNumReduceTask(num) 或者 mapreduce.job.reduces ( mapred.reduce.tasks 已弃用）。

在一个应用程序执行之前，不可能得到它的map和reduce任务的实际数量，因为在执行之前无法准确地确定任务失败、重新尝试和推测性执行尝试的因素，所以可以导出近似的任务数量。
mapreduce作业的Map任务总数取决于其输入文件及其文件格式。
对于每个输入文件，将计算分割，并为每个输入分割调用一个Map任务。
分割大小将根据，

input_split_size = max(mapreduce.input.fileinputformat.split.minsize, min(mapreduce.input.fileinputformat.split.maxsize, dfs.blocksize))

如果属性
mapreduce.input.fileinputformat.split.minsize mapreduce.input.fileinputformat.split.maxsize 默认情况下，文件的输入拆分大小将大致等于其大小 blocksize 考虑到文件是可拆分的。
Map任务的总数将等于每个文件的输入拆分数之和。
减少任务的总数，它是 1 （默认）或等于 mapreduce.job.reduces .

Map任务数等于任何作业中的输入拆分数，您可以找到其中的任何一个，以找到可以显式设置的Map器数和还原器数。此外，一旦运行map reduce作业，就可以观察生成的日志，找出作业中Map器和还原器的数量。