mapperreduce在Shuffer时，每个 Mapper 切分 partition 的大小影响

Mapper 在进行数据处理时，会将数据分成多个 key-value 对，其中 key 用于分组，value 则是实际的数据。在 Shuffle 阶段，会将 Mapper 输出的数据按照 key 进行合并，然后发送到各个 Reducer 上进行处理。

在进行 Shuffle 时，每个 Mapper 切分 partition 的大小会影响 Shuffle 的效率和负载均衡。如果 partition 过小，会导致 Shuffle 过程中需要传输的数据量过大，增加网络传输的负载，降低 Shuffle 的效率；如果 partition 过大，则会导致某些 Reducer 负载过重，处理速度慢，从而影响整个作业的处理速度和效率。

因此，在设置 partition 的大小时，需要根据数据集的大小和计算资源的情况进行合理的划分，以达到最优的 Shuffle 效果和负载均衡。一般来说，可以通过调整 MapReduce 的参数来实现。