关于在hive任务中number of reducers的探讨

1．在默认情况下（set mapreduce.job.reduces=-1）,实际运行计算过程中reducer的数量会由所读取文件的大小来决定。文件默认大小是256M，即每256M对应一个reduce。比如当文件大小为1G时，会启用4个reducer处理数据；当文件大小为400M时，会启用2个reducer来处理。

2.在进行分区或者sort by 操作时，需要设置mapreduce.job.reduces的数量，此时实际启用的reducer的个数等于设置值。

3.1 在进行分桶操作的情况下，当 set mapreduce.job.reduces=-1或0时，此时实际启用rediucer的数量会等于桶的个数i。

3.2在进行分桶操作的情况下，当桶的个数是i时，并且0< set mapreduce.job.reduces<=i时，启用reducer的数量正好是i的因数。在i相邻的两个因数之间，启用reducer的个数是不变的。详见下表:

当i为偶数时：

当i为奇数时：

关键词：大数据培训