1.场景
生成太多Map时，计算任务会耗费很多时间在Map的启动上，这时候需要对Map数进行控制。
2.原理
单独配置参数：set mapred.map.tasks=tasknum时，可能无法真正的起到调节效果，原因如下：
1)默认情况Map个数defaultNum=目标数据文件总大小totalSize/hdfs文件块大小blockSize(默认128M)
2)在Hive中配置set mapred.map.tasks=tasknum时，获取的待选Map数为: taskNum1=max(mapred.map.tasks, defaultNum)
3)通过设置split数据分片切块大小 set mapred.min.split.size 时，获取的切片大小为splitSize=max(mapred.min.split.size, blockSize)，则此时待选Map数tasknum2=totalSize/splitSize
4)最后，根据map数参数和split大小参数设置，实际Map个数=min(taskNum1, taskNum2)
小结：
减少Map数，要减少mapred.map.tasks的值，增大mapred.min.split.size的值；
增多Map数，要增大mapred.map.tasks的值，减少mapred.min.split.size的值
3.TIPS
hive表在HDFS以文件存储，表名、分区都是HDFS目录，每个分区下可以有多个文件(如果是日常跑批的表，一个reduce就对应一个文件)
split切片不跨文件，在小文件很多时且存储远小于1个blockSize时，每个小文件仍然会占用一个Map。
可在Hive中先设置小文件合并参数，缺点是没有小文件问题时导致额外消耗。
set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat.
同样执行过程中的小文件也可以合并：
set hive.merge.mapfiles=true; 默认开启，合并只有map任务的输出文件
set hive.merge.mapredfiles; 默认开启，合并最后输出文件
set hive.merge.smallfiles.avgsize; 默认16M，当输出文件小于该值时启用一个MapReduce任务合并小文件
set hive.merge.size.per.task; 默认256M，每个任务合并后文件大小，一般设置为HDFS的blockSize。