假設有3個從節點和一個複製因子爲2的主節點的hadoop集羣。進一步假設文件F被分成3個塊A，B和C，它們的存儲方式如下： 從站1：A，B 從站2：A，C 從站3：B，CHadoop MapReduce負載平衡
另外，假設你踢地圖reduce作業來計算F中的字數並且每個塊被拆分3倍。
我的問題是如何分佈映射器，以便他們優化最大生產力？一種可能性： 從1：3映射器對一個 從工作2：3的製圖員可以基於C 從3工作：3映射器第B
但如何Hadoop的避免以下工作？ 從1:6映射器（第B 3 A，3） 從屬2：空閒 從3：3映射器基於C
地圖縮小執行是由YARN控制從Hadoop的2開始，其中有將是資源管理器（主）和節點管理器（在每個從屬）。 節點管理器會將其服務器上的每個服務器上的內存，CPU等使用情況發送至資源管理器，作爲心跳的一部分。
現在，當提交作業時，客戶端將與交談資源管理器並創建應用程序主文件夾。 Application Master將根據羣集的使用情況創建，Resource Manager將使用來自節點管理器的信息進行呼叫。
一旦申請碩士是創建它會跟的Namenode讓您的輸入，並與節點管理器相關了解集羣的使用塊位置。在空閒羣集中，每個從機運行一個映射器以處理相應塊的概率很高。但在高度使用的羣集中不能保證，一個節點可能處理所有3個塊，而其他節點正在做其他一些工作。
默認映射器數量將與相同塊數。 mappers的數量由分割大小決定，它等於塊大小。您可以重置分割大小以使用更多映射器來處理您的數據。但是，負載平衡將根據羣集中的使用情況完成。它可以在A上運行3個映射器，在B上運行3個映射器，在C上或其他任何組合上都不映射映射器。