MapReduce任務(wù)中，Map輸出數(shù)據(jù)按Key Hash分配到Reduce中，由于Key分布不均勻、業(yè)務(wù)數(shù)據(jù)本身的特性、建表時(shí)考慮不周、某些SQL語句本身就有數(shù)據(jù)傾斜等原因造成的reduce上的數(shù)據(jù)量差異過大，如何將數(shù)據(jù)均勻的分配到各個(gè)Reduce中，就是解決數(shù)據(jù)傾斜的根本所在，舉三個(gè)例子

　　Map 端聚合

　　-- 設(shè)置如下參數(shù)即可開啟map端聚合，就是在Map端將相同的Key先做一次聚合計(jì)算，減少往reduce發(fā)送的數(shù)據(jù)

　　set hive.map.aggr=true

　　GroupBy 產(chǎn)生的數(shù)據(jù)傾斜

　　-- 設(shè)置如下參數(shù)，在GroupBy時(shí)，生成兩個(gè)Job,第一個(gè)Job給GroupBy的key加隨機(jī)數(shù)，隨機(jī)分布到Reduce中，每個(gè)Reduce做

　　部分聚合操作，先縮小數(shù)據(jù)量。第二個(gè)Job再進(jìn)行真正的數(shù)據(jù)處理，完成最終的聚合

　　set hive.groupby.skewindata = true

　　count(distinct)

　　-- count(distinct) 數(shù)據(jù)傾斜，可以使用 sum + groupby 來完成等價(jià)轉(zhuǎn)換，

　　-- 原始SQL

　　select count(distinct uuid) from t1;

　　-- 等價(jià)轉(zhuǎn)換SQL， 其實(shí)就是采用分治思路，我們按照uuid的前n位進(jìn)行GROUP BY，并做COUNT(DISTINCT )操作，

　　然后再對(duì)所有的COUNT(DISTINCT)結(jié)果進(jìn)行求和

　　select sum(agg_part) result from

　　(

　　select substr(uuid,1,3) uuid_part,

　　count(distinct substr(uuid,4)) as agg_part

　　from t1

　　group by substr(uuid,1,3)

　　)t