1. **設置 ReduceTask 并行度（個數）** reducetask 的并行度同樣影響整個 job 的執行并發度和執行效率，但與maptask 的并發數由切片數決定不同，<ins>Reducetask 數量的決定是可以直接手動設置</ins>： ``` //默認值是 1，手動設置為 5 job.setNumReduceTasks(5); ``` 2. **注意** （1）reducetask=0 ，表示沒有 reduce 階段，輸出文件個數和 map 個數一致。 （2）reducetask 默認值就是 1，所以輸出文件個數為一個。 （3）如果數據分布不均勻，就有可能在 reduce 階段產生數據傾斜 （4）reducetask 數量并不是任意設置，還要考慮業務邏輯需求，有些情況下，需要計算全局匯總結果，就只能有 1 個 reducetask。 （5）具體多少個 reducetask，需要根據集群性能而定。 （6）如果分區數不是 1，但是 reducetask 為1，是否執行分區過程。答案是：不執行分區過程。因為在maptask的源碼中，執行分區的前提是先判斷reduceNum個數是否大于 1。不大于 1 肯定不執行。 3. **ReduceTask 工作機制** （1）Copy 階段：ReduceTask 從各個 MapTask 上遠程拷貝一片數據，并針對某一片數據，如果其大小超過一定閾值，則寫到磁盤上，否則直接放到內存中。 （2）Merge 階段：在遠程拷貝數據的同時，ReduceTask 啟動了兩個后臺線程對內存和磁盤上的文件進行合并，以防止內存使用過多或磁盤上文件過多。 （3）Sort階段：按照MapReduce語義，用戶編寫reduce()函數輸入數據是按key進行聚集的一組數據。為了將key相同的數據聚在一起，Hadoop采用了基于排序的策略。由于各個 MapTask 已經實現對自己的處理結果進行了局部排序，因此，ReduceTask 只需對所有數據進行一次歸并排序即可。 （4）Reduce 階段：reduce()函數將計算結果寫到 HDFS 上。