如果設定hive.map.aggr為true,hive.groupby.skewindata為true，執行流程如下：

1. 會生成兩個job來執行group by，第一個job中，各個map是平均讀取分片的，在map階段對這個分片中的資料根據group by 的key進行區域性聚合操作，這裡就相當於Combiner操作。
2. 在第一次的job中，map輸出的結果隨機分割槽，這樣就可以平均分到reduce中
3. 在第一次的job中，reduce中按照group by的key進行分組後聚合，這樣就在各個reduce中又進行了一次區域性的聚合。
4. 因為第一個job中分割槽是隨機的，所有reduce結果的資料的key也是隨機的，所以第二個job的map讀取的資料也是隨機的key，所以第二個map中不存在資料傾斜的問題。
5. 在第二個job的map中，也會進行一次區域性聚合。
6. 第二個job中分割槽是按照group by的key分割槽的，這個地方就保證了整體的group by沒有問題，相同的key分到了同一個reduce中。
7. 經過前面幾個聚合的區域性聚合，這個時候的資料量已經大大減少了，在最後一個reduce裡進行最後的整體聚合。