Hadoop中Mapper和Reducer是单独进程还是线程

hadoop一个节点默认起两个map slot，请问这两个slot是多线程吗？
hadoop-0.21.0 源码中是这样的：
首先看看 org.apache.hadoop.mapred.TaskTracker 类：
两个类变量 maxMapSlots 和 maxReduceSlots：
maxMapSlots = conf.getInt(TT_MAP_SLOTS, 2);
maxReduceSlots = conf.getInt(TT_REDUCE_SLOTS, 2);
其中 public static final String TT_MAP_SLOTS = "mapreduce.tasktracker.map.tasks.maximum";
public static final String TT_REDUCE_SLOTS = "mapreduce.tasktracker.reduce.tasks.maximum";
类方法 initializeMemoryManagement() 中 ，根据 slots 来决定申请内存的大小
totalMemoryAllottedForTasks = maxMapSlots * mapSlotMemorySizeOnTT + maxReduceSlots * reduceSlotSizeMemoryOnTT;
类方法 TaskTracker.initialize() 中会起两个 TaskLauncher 线程，
分别负责启动 Mapper 和 Reduce 任务：
mapLauncher = new TaskLauncher(TaskType.MAP, maxMapSlots); 
reduceLauncher = new TaskLauncher(TaskType.REDUCE, maxReduceSlots);
再看看 org.apache.hadoop.mapred.TaskTracker.TaskLauncher 类，它负责启动 Mapper/Reducer 任务。
初始化 TaskLauncher 时，需要传入 slots 的数量：
public TaskLauncher(TaskType taskType, int numSlots) {
    this.maxSlots = numSlots;
    this.numFreeSlots = new IntWritable(numSlots);
    }
特别要注意 numFreeSlots 这个类变量：
private IntWritable numFreeSlots; 
TaskLauncher.run() 中，循环地看是否有新的 Task 需要启动，并且看是否有足够的 slots 可用：
while () {
    while (numFreeSlots.get() < task.getNumSlotsRequired()) { .......}
numFreeSlots.set(numFreeSlots.get() - task.getNumSlotsRequired()); // 用完了就减掉
}
Task 执行完了以后，需要释放 slots ：
public void addFreeSlots(int numSlots) {... ...  
numFreeSlots.set(numFreeSlots.get() + numSlots);
... ... }
所以，综合上面看，slots 只是一个逻辑值 ( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是对应着一个线程或者进程。TaskLauncher 会维护这个值，以保证资源使用在控制范围内。帮助理解的最主要的代码可见 ： org.apache.hadoop.mapred.TaskTracker.TaskLauncher.run() 。
Mapper 和 Reducer 都是单独的进程，但是它们与 slots 的关系是这样的：
org.apache.hadoop.mapred.TaskTracker.TaskLauncher.run() {... ... //got a free slot. launch the task  startNewTask(tip); ... ...}这里的 slots 有点类似 “令牌” 的感觉：申请资源，先获得令牌；释放资源，交还令牌。
mapper 和 reducer 都是单独的进程？好像有点不对，是单独的线程吧？是单独的进程。
启动Mapper/Reducer的总的调用路径是：
org.apache.hadoop.mapred.TaskTracker.TaskLauncher.run()->org.apache.hadoop.mapred.TaskTracker.startNewTask()->org.apache.hadoop.mapred.TaskTracker.launchTaskForJob()->org.apache.hadoop.mapred.TaskTracker.TaskInProgress.launchTask()?->org.apache.hadoop.mapred.Task.createRunner() // 抽象方法，具体实现在子类 MapTask 和 ReduceTask 中 
org.apache.hadoop.mapred.MapTask.createRunner() // 创建 MapTaskRunner 类实例 
org.apache.hadoop.mapred.ReduceTask.createRunner() // 创建 ReduceTaskRunner 类实例
最终，跟踪到了 MapTaskRunner 和 ReduceTaskRunner 这两个类。
至此，我们看看它们的父类 org.apache.hadoop.mapred.TaskRunner ，以下是类的说明：
/** Base class that runs a task in a separate process. Tasks are run in a  separate process in order to isolate the map/reduce system code from bugs in  user supplied map and reduce functions.?*/
TaskRunner 虽然 extends Thread （看起来是个线程），但是真正启动Mapper和Reduce进程的代码在函数 TaskRunner.run() 中：
public final void run() {... ...
   launchJvmAndWait(setup, vargs, stdout, stderr, logSize, workDir, env);... ...
   }
其调用了 TaskRunner.launchJvmAndWait() 方法（在此之前还有些创建文件夹、设置配置参数和环境变量等准备性的操作）：
void launchJvmAndWait(List<String> setup, Vector<String> vargs, File stdout,File stderr, long logSize, File workDir, Map<String, String> env)throws InterruptedException {jvmManager.launchJvm(this, jvmManager.constructJvmEnv(setup, vargs, stdout,stderr, logSize, workDir, env, conf));synchronized (lock) {while (!done) {lock.wait();}}}
上面代码主要是 launch 一个 java虚拟机进程。这也是Hadoop启动代价很高的原因，因为launch虚拟机是比较耗资源的；于是又提供了Task JVM Reuse机制。
单独起进程的原因也说得很清楚，就是： isolate the map/reduce system code from bugs in user supplied map and reduce functions。其实就是，通过使用不同的进程空间，进行隔离，防止用户提供的代码中有bug死掉后，造成 TaskTracker 所在进程也死掉（这个死掉了，效果就跟阿凡达里面的发光树被毁了一样）。
Hadoop-0.20.2源码中的实现基本也是差不多的。