默認的map數是有邏輯的split的數量決定的，根據源碼切片大小的計算公式：Math.max(minSize, Math.min(maxSize, blockSize))；

其中：

minsize：默認值：1  
   配置參數： mapreduce.input.fileinputformat.split.minsize    

maxsize：默認值：Long.MAXValue  
    配置參數：mapreduce.input.fileinputformat.split.maxsize

blocksize:值為hdfs的對應文件的blocksize

可知，當未對minsize和maxsize做任何修改的情況下，可知默認切片大小為：blocksize大小。
這裏需要說明的是，只有當一個文件的大小超過了切片大小時才會被邏輯切分
 
，如果沒有超過切片大小則會自成一個分片，（如hdfs的blocksize大小為128MB，分別有大小為20MB，200MB的兩個文件，
那麽默認將會產生三個切片，分別為20MB，128MB和72MB，也就是說會有3個map來處理），所以如果想增大map個數（也就是提高並行度，減少每個map處理的任務量），就可以將大文件切分成多個小文件
來處理（不是說小文件越多越好，這裏還要綜合考慮，比如隊列資源，task調度的效率的影響）。
例如：一個隊列有120個可以使用的core，當可以全量使用這些資源時且總文件大小又沒有那麽大（128MB*120），就可以考慮將這個文件分割成120個小文件，這樣邏輯上就是120個切片，可以同時啟動120個map
來運行，相比（文件大小/128MB)個map來說對資源的利用率要高。
 

mapreduce中map數的測試