mapreduce优化，map task太多问题

场景：分析web日志（最小的日志有25G），根据ip查找对应地区。我的步骤是
1 在map setup 方法，创建ip字典，通过二分法查找对应国家或者城市。 由于ip库有28M，每次加载需要8秒左右。

运行mapreduce，由于block是128M，所以他默认分为 200左右的 map  task，导致一个25G的文件初始化都要24分钟。。

问题1：由于map 的setup需要创建ip字典，200个 map task 就需要创建200次，每次9秒，这样是不是浪费的半小时创建时间，还是在集群中 map 的setup方法就创建一次？

问题2：由于我输出的文件是一个文件，所以 map输出的key我设置为1，由于数据几十个G，这样一个reduce，是不是会内存溢出？

我对reduce原理不太了解，他向map 拉数据，都是放到内存，还是一部分存在磁盘，如果数据太大，都放到内存，肯定会出现oom，如果会放到磁盘，最后我们遍历就不会内存溢出。

问题3：我在网上查询了，减少map task个数可以提高性能。我在mapred-site.xml中添加属性 mapred.min.split.size ，设置为512M如下：
<property>
<name>mapred.min.split.size </name>
<value>54525952</value>
</property>

但是启动map reduce，task 依然是200个左右，没起作用，求解。

问题1：由于map 的setup需要创建ip字典，200个 map task 就需要创建200次，每次9秒，这样是不是浪费的半小时创建时间，还是在集群中 map 的setup方法就创建一次？
这个应该是创建一次就可以了
在执行Map任务前，进行相关变量或者资源的集中初始化工作，被MapReduce框架仅且执行一次


问题2：由于我输出的文件是一个文件，所以 map输出的key我设置为1，由于数据几十个G，这样一个reduce，是不是会内存溢出？

我对reduce原理不太了解，他向map 拉数据，都是放到内存，还是一部分存在磁盘，如果数据太大，都放到内存，肯定会出现oom，如果会放到磁盘，最后我们遍历就不会内存溢出。

在拉取的时候，尽量多用内存，可以提高效率，当然也可以放到磁盘。
推荐参考
彻底了解mapreduce核心Shuffle--解惑各种mapreduce问题
http://www.aboutyun.com/forum.php?mod=viewthread&tid=7078

问题3：我在网上查询了，减少map task个数可以提高性能。我在mapred-site.xml中添加属性 mapred.min.split.size ，设置为512M如下：
<property>
<name>mapred.min.split.size </name>
<value>54525952</value>
</property>

但是启动map reduce，task 依然是200个左右，没起作用，求解。

没起作用 应该是正常的，因为好像不是某一个参数控制，推荐参考
如何确定 Hadoop map和reduce的个数--map和reduce数量之间的关系是什么？

http://www.aboutyun.com/forum.php?mod=viewthread&tid=6945
hadoop中map和reduce的数量设置