我的问题是，MapReduce框架(例如Hadoop实现)是否在mapper作业开始之前或在运行时完成为mapper分配输入?
也就是说，假设我有一些输入i，机器m_1,m_2 .. m_k。机器不需要同等的动力，有些机器可能比其他机器有更好的性能(CPU，内存)。如果主节点将输入分割到映射器，直到映射器任务开始，或者至少将输入分配给特定的映射器节点，则可能存在某些机器(较强的机器)可以完成它们的工作并等待的情况。但是，如果在运行时完成拆分作业，则不会出现此问题。
如果你还能指出preMapper阶段MapReduce的整体分裂机制，我会很高兴。
在MapReduce框架中，Mapper任务是基于数据局部性概念分配给机器的。这意味着，存储数据块的数据节点将被分配执行该数据块的映射器任务。
当您使用为数据复制和块大小定义的配置将数据存储到HDFS中时，会发生数据分割(块)。所以如果原始文件是128MB，块大小是64MB，那么文件将被分成两个块。这些块将存储在两台不同的机器上。以下是引用自HDFS设计文档:
HDFS使用的典型块大小为64mb。因此，HDFS文件被切成64mb的块，如果可能的话，每个块将驻留在不同的DataNode上。
现在，当运行MapReduce作业时，两个Mapper任务将在这两台机器上启动。
所以数据分割和启动映射器是完全独立的两件事。第一个由HDFS框架处理，第二个由MapReduce框架处理。
是的，Map任务的输入是在Hadoop的Mapper阶段开始之前准备好的。映射器的数量由在Mapper阶段开始之前为给定输入文件计算的Input Splits的数量决定。
这里的Input Split是给定输入文件的逻辑块，默认情况下，对于文件的每个块，将准备一个input Split，对于每个输入Split，将分配一个映射任务。
您可以通过控制mapreduce.input.fileinputformat.split.maxsize和mapreduce.input.fileinputformat.split.minsize属性来控制inputsplit的数量。
可用于执行计算的map任务数的节点数取决于集群的容量。
例如，假设您的输入文件大小约为100GB(102400mb)，块大小为100MB，输入分割大小为块大小(默认值)，则会计算1024个Map任务。在这种情况下，假设集群中可用于跨集群执行map/reduce任务的最大容器是500个，那么在最好的情况下，只有500个映射器将并行执行。较早执行Map任务容器的机器将从队列中选择下一个Map任务并继续执行，直到所有映射器都完成。