參數：io.sort.mb（default 100）
當map task開始運算，併產生中間數據時，其產生的中間結果並非直接就簡單的寫入磁盤。
而是會利用到了內存buffer來進行已經產生的部分結果的緩存，
並在內存buffer中進行一些預排序來優化整個map的性能。
每一個map都會對應存在一個內存buffer,map會將已經產生的部分結果先寫入到該buffer中，
這個buffer默認是100MB大小，
但是這個大小是可以根據job提交時的參數設定來調整的，
當map的產生數據非常大時，並且把io.sort.mb調大，
那麼map在整個計算過程中spill的次數就勢必會降低，
map task對磁盤的操作就會變少，
如果map tasks的瓶頸在磁盤上，這樣調整就會大大提高map的計算性能。
參數:o.sort.spill.percent（default 0.80,也就是80%）
map在運行過程中，不停的向該buffer中寫入已有的計算結果，
但是該buffer並不一定能將全部的map輸出緩存下來，
當map輸出超出一定閾值（比如100M），那麼map就必須將該buffer中的數據寫入到磁盤中去，
這個過程在mapreduce中叫做spill。
map並不是要等到將該buffer全部寫滿時才進行spill，
因爲如果全部寫滿了再去寫spill，勢必會造成map的計算部分等待buffer釋放空間的情況。
所以，map其實是當buffer被寫滿到一定程度（比如80%）時，就開始進行spill。
這個閾值也是由一個job的配置參數來控制，
這個參數同樣也是影響spill頻繁程度，進而影響map task運行週期對磁盤的讀寫頻率的。
但非特殊情況下，通常不需要人爲的調整。調整io.sort.mb對用戶來說更加方便。
參數:io.sort.factor
當map task的計算部分全部完成後，如果map有輸出，就會生成一個或者多個spill文件，這些文件就是map的輸出結果。
map在正常退出之前，需要將這些spill合併（merge）成一個，所以map在結束之前還有一個merge的過程。
merge的過程中，有一個參數可以調整這個過程的行爲，該參數爲：io.sort.factor。
該參數默認爲10。它表示當merge spill文件時，最多能有多少並行的stream向merge文件中寫入。
比如如果map產生的數據非常的大，產生的spill文件大於10，而io.sort.factor使用的是默認的10，
那麼當map計算完成做merge時，就沒有辦法一次將所有的spill文件merge成一個，而是會分多次，每次最多10個stream。
這也就是說，當map的中間結果非常大，調大io.sort.factor，
有利於減少merge次數，進而減少map對磁盤的讀寫頻率，有可能達到優化作業的目的。
參數:min.num.spill.for.combine（default 3）
當job指定了combiner的時候，我們都知道map介紹後會在map端根據combiner定義的函數將map結果進行合併。
運行combiner函數的時機有可能會是merge完成之前，或者之後，這個時機可以由一個參數控制，
即min.num.spill.for.combine（default 3），當job中設定了combiner，並且spill數最少有3個的時候，
那麼combiner函數就會在merge產生結果文件之前運行。
通過這樣的方式，就可以在spill非常多需要merge，並且很多數據需要做conbine的時候，
減少寫入到磁盤文件的數據數量，同樣是爲了減少對磁盤的讀寫頻率，有可能達到優化作業的目的。
參數:mapred.compress.map.output(default false)
減少中間結果讀寫進出磁盤的方法不止這些，還有就是壓縮。
也就是說map的中間，無論是spill的時候，還是最後merge產生的結果文件，都是可以壓縮的。
壓縮的好處在於，通過壓縮減少寫入讀出磁盤的數據量。
對中間結果非常大，磁盤速度成爲map執行瓶頸的job，尤其有用。
控制map中間結果是否使用壓縮的參數爲：mapred.compress.map.output(true/false)。
將這個參數設置爲true時，那麼map在寫中間結果時，就會將數據壓縮後再寫入磁盤，讀結果時也會採用先解壓後讀取數據。
這樣做的後果就是：寫入磁盤的中間結果數據量會變少，但是cpu會消耗一些用來壓縮和解壓。
所以這種方式通常適合job中間結果非常大，瓶頸不在cpu，而是在磁盤的讀寫的情況。
說的直白一些就是用cpu換IO。
根據觀察，通常大部分的作業cpu都不是瓶頸，除非運算邏輯異常複雜。所以對中間結果採用壓縮通常來說是有收益的。
參數:mapred.map.output.compression.codec( default org.apache.hadoop.io.compress.DefaultCodec)
當採用map中間結果壓縮的情況下，用戶還可以選擇壓縮時採用哪種壓縮格式進行壓縮，
現在hadoop支持的壓縮格式有：GzipCodec，LzoCodec，BZip2Codec，LzmaCodec等壓縮格式。
通常來說，想要達到比較平衡的cpu和磁盤壓縮比，LzoCodec比較適合。但也要取決於job的具體情況。
用戶若想要自行選擇中間結果的壓縮算法，
可以設置配置參數：mapred.map.output.compression.codec=org.apache.hadoop.io.compress.DefaultCodec或者其他用戶自行選擇的壓縮方式
轉載來源: