备用任务机制的设计真的挺妙，专门对付那些拖后腿的任务节点。MapReduce 里的“落伍者”不是什么稀奇事，磁盘慢、CPU 抢资源、初始化 bug……哪一个都能让你排查半天。Google 那套逻辑就是聪明：快结束时，master会悄悄再丢几个同样的任务出去，哪个先跑完就用哪个，完美避坑。

任务分片也挺讲究，M和R不是随便设的，太少负载不均，太多又爆内存，最合适的是让每个 Map 任务16M~64M的数据，这样本地磁盘读取才有效率，Map=200000，Reduce=5000配上 2000 台 worker，跑得飞快。

哦对，输入文件默认放本地磁盘，靠GFS分块复制，每块64MB有三个副本，这样 Map 任务基本都能在本地读数据，省了不少带宽。调度器也挺聪明，找不到本地副本就尽量安排在同一个 switch下面的机器上跑，减少跨节点传输。

如果你也在调 MapReduce，尤其是大规模分布式任务，建议看看这段原理，调优的时候会省不少事。