min.num.spils.for.combine（默认值3）
这意味着什么？
a） 组合器运行所需的映射溢出的最小数量？所以，即使我们指定了一个组合器，它也不能保证运行？
b） 组合器在通过io.sort.factor创建的合并/排序的单个文件上运行之前的最小溢出次数。因此，每次通过合并创建新文件时，组合器都会在其上运行，前提是溢出次数为最小3
我觉得正确的答案是a），但有人能证实吗。
当map函数生成中间结果并首先将其发送到缓冲区时，分区和排序将启动，如果指定了组合器，则此时将调用它。此过程与map函数并行。当map函数完成时，磁盘上的所有溢出都将被合并，此时组合器也将被调用。
缓冲区阈值受io.sort.spill.percent的限制，在此期间会产生溢出。如果溢出次数超过min.num.spills.for.combine，则在写入磁盘之前，会对创建的溢出调用组合器。
因此，要回答你的问题：你是对的，这就是选择a）。
参考：这个邮件线程。
我也有同感：）
min.num.spills.for.component（默认值为3）表示，如果您的工作中有一个组合器，并且溢出次数为三次或更多（至少为3次），那么它将在映射输出写入本地磁盘之前被调用。
参见《最终指南：》中的这一段
如果指定了组合器功能，并且溢出次数为至少三个（min.num.spils.for.combine属性的值），则组合器在写入输出文件之前运行。回忆起组合器可以在不影响输入的情况下重复运行最终结果。关键是，运行组合器可以紧凑的映射输出，因此写入本地磁盘的数据更少以转移到减速器。