背景：之所以想確認這個資料，是因為在hadoop的集群系統中，發現各個節點的CPU使用率都不高，並且檢視整個叢集併發的map和reduce數，都只有6（三臺hadoop機器）

分析：為了查清楚，為什麼tasktracker都只啟動了兩個map任務和兩個reduce任務，查看了hadoop的相關配置說明。具體細節如下：
      hadoop可以配置每個TaskTracker啟動的map和reduce任務數（直白的意思是啟動多少個執行緒來同時處理任務）；一般來說，
可以根據CPU的個數，配置同時執行的任務數。該配置在檔案mapred-site.xml中。如果不配置的話，默認個數為2，當CPU個數大於2時，則不能完全的利用上當前CPU的能力
      <property>
                <name>mapred.tasktracker.map.tasks.maximum</name>
                <value>8</value>
                <final>true</final>
        </property>
        <property>
                <name>mapred.tasktracker.reduce.tasks.maximum</name>
                <value>8</value>
                <final>true</final>
        </property>
       此外，在該檔案中，還有一個類似的配置選項；該配置項對應的是每個job的map數和reduce數，hadoop的預設取值分別是2和1。真正在執行的時候，每個job的map數，是由多個因素決定的，檔案中配置的，只能起到參考作用，真正執行的map數未必是該值；但是，執行時的reduce數，就是檔案中配置的取值了。reduce task官方建議配置為0.99*mapred.tasktracker.reduce.tasks.maximum，此時所有的reduce都能夠同時立即啟動。一個job的map個數過多，會給Jobtracker的任務分配帶來太大的壓力，並且任務的啟動也需要時間；至於為什麼job的reduce數要和叢集中reduce任務個數持平，這個我不太清楚，感覺即使不持平，也不會有很大的差別。

結論：依次修改節點的配置資料，並重啟該節點，調整了叢集的配置。各個節點的CPU使用率也上去了，執行時間也縮短了。