1 MapReduce跑的慢的原因
MapReduce程序效率的瓶颈在于两点：
1）计算机性能：CPU、内存、磁盘、网络
2）I/O操作优化
（1）数据倾斜
（2）Map运行时间太长，导致Reduce等待过久
（3）小文件过多
2 MapReduce常用调优参数
MapTask阶段：
ReduceTask阶段：
3 MapReduce数据倾斜问题
大部分任务运行结束，只有部分任务还在运行，且时间很长。通常数据倾斜发生在Reduce阶段。
数据频率倾斜——某一个区域的数据量要远远大于其他区域。
数据大小倾斜——部分记录的大小远远大于平均值。
减少数据倾斜的方法：
（1）首先检查是否空值过多造成的数据倾斜
生产环境，可以直接过滤掉空值；如果想保留空值，就自定义分区，将空值加随机数打散。最后再二次聚合。
**（2）能在map阶段提前处理，最好先在Map阶段处理。**如：Combiner、MapJoin。
（3）设置多个reduce个数。
