1-异径管的数量与隔板的数量相同- False . 一个减速机可以在一个或多个分区上工作。但是一个选定的分区将在它启动时在减速器上完全完成。
2-这只是可以为hadoop集群配置的最大缩减器的理论数量。这在很大程度上也取决于您处理的数据类型（决定了减速器的负载有多重）。
3-the mapred-site.xml 配置只是对Yarn的一个建议。但是在内部，resourcemanager有自己的算法在运行，在运行中优化事情。因此，该值实际上不是每次运行的reducer任务数。
4-这个看起来有点不切实际。我的块大小可能是128mb，每次我不能有128*5个最小数量的减速机。我相信这又是假的。
没有固定数量的减速机任务可以配置或计算。这取决于实际有多少资源可供分配。

你的工作可能需要也可能不需要减速器，这取决于你想做什么。当有多个reducer时，map任务对其输出进行分区，每个reduce任务创建一个分区。每个分区中可以有许多键（及其相关值），但是任何给定键的记录都在一个分区中。一个经验法则是针对每个减速机运行5分钟左右，并且至少产生一个hdfs块的输出值的减速机。太多的减速机和你结束了很多小文件。

partitioner确保来自多个Map器的相同的键被放到同一个reducer中。这并不意味着分区的数量等于减速器的数量。但是，可以使用job.setnumreducetasks（2）等作业示例指定驱动程序中的reduce任务数。如果在驱动程序中没有指定reduce任务的数量，那么它将从mapred.reduce.tasks中进行选择，mapred.reduce.tasks的默认值为1(https://hadoop.apache.org/docs/r1.0.4/mapred-default.html)也就是说，所有Map器的输出都将转到同一个减速机。
另外，请注意，程序员将无法控制Map器的数量，因为它取决于输入分割，程序员可以控制任何作业的还原器数量。

若在驱动程序中并没有显式指定usingbelowAPI，则reducer的数量是从我们正在处理的数据的大小内部计算出来的
job.setnumreducetasks（x）
默认情况下，对于1GB的数据，将使用一个缩减器。
因此，如果您使用的数据少于1GB，并且没有特别设置reducer的数量，那么将使用1个reducer。
同样，如果您的数据是10gb，那么将使用10reducer。
您还可以更改配置，以指定更大或更小的大小，而不是1 gb。
配置单元中用于设置减速器大小的属性为：
配置单元.exec.reducers.bytes.per.reducer
您可以通过在配置单元cli中触发set命令来查看此属性。
partitioner只决定哪些数据将进入哪个reducer。