最近在做mahout源碼調用的時候，發現一個參數：startPhase和endPhase,這兩個參數是什麼意思呢？比如運行RecommenderJob時，可以看到10個MR任務，所以猜測是否是一個phase代表一個MR？
帶著這樣的疑問進行了實驗：
$Hadoop_HOME/bin/hadoop jar mahout-0.7/core/target/mahout-core-0.7-job.jar org.apache.mahout.cf.taste.hadoop.item.RecommenderJob --input input/intro.csv --output date1129/cf00 --tempDir date1129/cftemp00 --booleanData false --similarityClassname SIMILARITY_COOCCURRENCE --startPhase 0 --endPhase 4
但是，實驗結果卻還是那樣，仍然運行了10個MR，然後就去google了，網上看到這個一個觀點：The first MR job is index 0. So setting –startPhase 1 will execute the 2nd
job onwards. Putting in –endPhase 2 would stop after the 3rd job. ，來自http://lucene.472066.n3.nabble.com/RowSimilarity-startphase-and-endphase-parameters-td2119682.html。這個的意思其實就是說MR job 和phase是同一個意思，但是我實驗後卻證明不是這樣；
而且網上這個話題比較少涉及到，沒辦法只能看源碼了。
看 mahout的源碼可以看到基本的算法Job都繼承來AbstractJob這個類，而AbstractJob這個類裡面有一個 shouldRunNextPhase方法，這個方法是和startPhase和endPhase這兩個參數有關的，所以如果 RecommenderJob裡面有這個方法的話，那麼應該就可以說startPhase和endPhase兩個參數是有作用的；
我沒有繼 續分析源碼了，下面說下我的做法：我在AbstractJob這個類的shouldRunNextPhase裡面加入了打印currentPhase和 startPhase,endPhase以及這個方法返回的boolean值，不過這個如果在終端運行（也就是上面提及的在命令行運行）的話，是看不到打 印的內容的。同時也可以不打印，而是選擇用log，寫入log,不過這個要去slave節點機才能看到，比較麻煩，所以就沒有使用Log.
如 何才能打印出結果呢？使用mvn編譯mahout的源代碼（修改過的），然後在$MAHOUT_SOUCE/core/targe裡面有mahout- core-0.7-job.jar文件，把這個文件拷貝到eclipse，然後直接編寫代碼調用這個jar文件裡面的RecommenderJob類就可 以在Console裡面看到我們打印的信息了，這樣就可以看出來MR Job和phase的區別了。
那麼，phase的意義到底是什麼呢？其實pahse的含義就是幾個MR的一個集合，不定數目的MR job視為一個phase。這個有什麼好處呢？比如你運行RecommenderJob時前面的兩個phase都運行成功了，但是後面的運行出錯，那麼是 否要繼續從第一個phase開始運行呢，其實完全沒有必要，可以設置startPhase和endPhase這兩個參數，直接跳過前面兩個Phase。
那麼回到最開始的問題，為什麼我設置了那兩個參數，但是卻沒有作用呢？因為RecommenderJob只有四個phase，而我設置0-4超過了最大值3，所以所有的MR job仍照常運行。
