1，在預設情況下，一個mapreduce的job只有一個reducer；在大型叢集中，需要使用許多reducer，中間資料都會放到一個reducer中處理，如果reducer數量不夠，會成為計算瓶頸。

2，reducer的最優個數與叢集中可用的reducer的任務槽數相關，一般設定比總槽數稍微少一些的reducer數量；hadoop文件中推薦了兩個公式：

0.95*NUMBER_OF_NODES*mapred.tasktracker.reduce.tasks.maximum

1.75*NUMBER_OF_NODES*mapred.tasktracker.reduce.tasks.maximum

備註：NUMBER_OF_NODES是叢集中的計算節點個數；

mapred.tasktracker.reduce.tasks.maximum：每個節點所分配的reducer任務槽的個數；

3，在程式碼中通過：JobConf.setNumReduceTasks(Int numOfReduceTasks)方法設定reducer的個數；
--------------------- 
作者：播種生活 
來源：CSDN 
原文：https://blog.csdn.net/momomi_2005/article/details/23050605 
版權宣告：本文為博主原創文章，轉載請附上博文連結！