（default 100）当map task开始运算，并产生中间数据时，其产生的中间结果并非直接就简单的写入磁盘。而是会利用到了内存buffer来进行已经产生的部分结果的缓存，当缓存快满时才写入本地磁盘。如果map的产生数据非常大，那就把io.sort.mb调大，那写满缓存次数就势必会降低，map task对磁盘的操作就会变少。

（default 0.80,也就是80%）map在运行过程中，不停的向该buffer中写入已有的计算结果。但是map并不是要等到将该buffer全部写满时才进行spill（spill就是缓存溢出需要写入磁盘），因为如果缓存全部写满了再去写spill，势必会造成map的计算部分等待buffer释放空间的情况。所以，map其实是当buffer被写满到一定程度（比如80%）时，就开始进行spill，io.sort.spill.percent就是指定这个阀值。通常情况下我们调整io.sort.mb会更方便

默认情况下，每个reduce只会有5个并行的下载线程在从map下数据，如果一个时间段内job完成的map有100个或者更多，那么reduce也最多只能同时下载5个map的数据，所以这个参数比较适合map很多并且完成的比较快的job的情况下调大，有利于reduce更快的获取属于自己部分的数据。对于较大集群，可调整为16~25