我想处理多行csv文件，为此我编写了一个自定义csvinputformat。
我想有大约40个线程在每个hadoop节点上处理csv行。但是，当我在amazon emr上创建一个包含5台机器（1台主机和4个内核）的集群时，我可以看到只有2个Map任务正在运行，即使有6个可用的Map槽：

我在inputformat中实现了getsplits，因此它的行为类似于nlineinputformat。我本以为这样我会得到更多的东西并行运行，但没有效果。另外，我还试着设置参数 -s,mapred.tasktracker.map.tasks.maximum=10 --args -jobconf,mapred.map.tasks=10 ，但没有效果。
我能做些什么来并行处理行？按照hadoop的运行方式，它是不可伸缩的，因为不管我给集群分配多少示例，最多只能运行两个map任务。
更新：当我使用一个非压缩文件（zip）作为源文件时，它会创建更多的Map任务，大约为130万行创建17个。即便如此，我还是想知道为什么压缩数据时不应该创建更多的Map器，为什么不创建更多的Map器。