hive是如何判断设置map、reduce个数的

hive map个数判断

mapred.map.tasks（无效）直接设置任务个数无效

影响因子

input_file_num：文件数量

input_file_size：文件大小

mapred.max.split.size(default 265M)

mapred.min.split.size(default 1B)

切割算法（TextInputFormat切分）

splitSize=max[minSize,min(maxSize,blockSize)]

map参数影响

map个数并不是越大越好，或者越小越好。

因为map启动、初始化大概需要1~5秒时间

当然map数也不是越小越好，一般mapred.max.split.size默认256M就比较好。

如果涉及到cube、rollup、cpu密集型作业，可适当降低mapred.max.split.size的大小，增大map数

hive reduce个数判断

mapred.reduce.tasks=#number(可手工设置)

影响因子

hive.exec.reducers.max (hive设置的最大可用reducer)

hive.exec.reducers.bytes.per.reducer (hive默认每1G文件分配一个reduce)

分配算法

num_reduce_tasks=min[maxReucers,input.size/perReducer]

reduce最大参数设置建议计算公式

（集群总Reduce个槽位个数*1.5）/(执行中的查询平均数)

hive是按照输入数据量大小确定reduce个数

默认hive.exec.reducers.bytes.per.reducer=1000,000,000 1G（一个reduce处理1G~10G之间数据量，比较合适）

也就是说你如果有20G的数据，将会启动20个reduce，同时会与1、设置的最大maxReducers做比较

if (totalInputFileSize != inputSummary.getLength()) {
      LOG.info("BytesPerReducer=" + bytesPerReducer + " maxReducers="
          + maxReducers + " estimated totalInputFileSize=" + totalInputFileSize);
    } else {
      LOG.info("BytesPerReducer=" + bytesPerReducer + " maxReducers="
        + maxReducers + " totalInputFileSize=" + totalInputFileSize);
    }

    int reducers = (int) ((totalInputFileSize + bytesPerReducer - 1) / bytesPerReducer);
    reducers = Math.max(1, reducers);
    reducers = Math.min(maxReducers, reducers);

另外如果你开启了hive.exec.infer.bucket.sort.num.buckets.power.two参数，hive会设置reduce个数为2的N次方，

比如原本27个reduece，hive就会开启32个。有利有弊，具体优缺点可以参考hive/conf/hive-default.xml.template

    // If this map reduce job writes final data to a table and bucketing is being inferred,
    // and the user has configured Hive to do this, make sure the number of reducers is a
    // power of two

    if (conf.getBoolVar(HiveConf.ConfVars.HIVE_INFER_BUCKET_SORT_NUM_BUCKETS_POWER_TWO) &&

        work.isFinalMapRed() && !work.getBucketedColsByDirectory().isEmpty()) {
      int reducersLog = (int)(Math.log(reducers) / Math.log(2)) + 1;
      int reducersPowerTwo = (int)Math.pow(2, reducersLog);
      if (reducersPowerTwo / 2 == reducers) {
        return reducers;
      } else if (reducersPowerTwo > maxReducers) {
      reducers = reducersPowerTwo / 2;
      } else {
        // Otherwise use the smallest power of two greater than the original number of reducers
        reducers = reducersPowerTwo;
      }

    }

reduce参数影响

不过有些情况下，查询的map阶段会产生比实际输入数据量要多得多的数据。如果map阶段产生的数据量非常多，那么根据输入的数据量大小来确定的reduce个数就显得有些少了，

比如数据魔方cube、rollup之类。同样地，map阶段也可能过滤掉输入数据集中的很大一部分数据，这个时候就只需要少量的reduce就满足计算，比如wordcount、pv之类的。