reduce的个数一般最后决定了输出文件的个数，如果想多输出文件的个数（这样文件变小，但有可能程序变慢），那么可以人为增加reduce个数。如果想减少文件个数，也可以手动较少reduce个数(同样可能程序变慢）。但实际开发中，reduce的个数一般通过程序自动推定，而不人为干涉，因为人为控制的话，如果使用不当很容易造成结果不准确，且降低执行效率。
1.控制reduce个数的方式与参数
1.1.首先可以通过参数直接控制最终reduce的个数，使用参数mapred.reduce.tasks
#官方默认-1，可根据数据量实际大小进行设置，一般情况下根据数据量大小设置这个参数可以使程序执行更快
set mapred.reduce.tasks=-1;
1.2.在hive中如果不指定reduce个数的情况下，Hive会猜测确定一个reduce个数，基于以下两个设定
1.set hive.exec.reducers.bytes.per.reducer=300000000 300Mb
注意：在hive 0.14.0之前默认hive.exec.reducers.bytes.per.reducer默认值是1Gb，每个reduce最多处理1Gb。
但是在之后版本默认值都是256Mb.这里我们用的是300Mb。
为什么300Mb写的是300*1000*1000?因为网络传输中用的1000，而不是1024机制。
2.set hive.exec.reducers.max=1009 --默认值，这个值一般不会修改。
注意，在hive 0.14.0之前默认是999，之后是1009,所以我们公司的也是官方默认值。
3.reduce计算方式：计算reducer数的公式很简单
Num=min(hive.exec.reducers.max2，map输出数据量/hive.exec.reducers.bytes.per.reducer)
2.通过hive.exec.reducers.bytes.per.reducer控制reduce个数
准备文件大表的大小为23.4G,存储为22个文件，平均每个文件大小都在1.1G左右。小表的文件2个，合计58Mb.
2.1通过hive.exec.reducers.bytes.per.reducer控制reduce个数
使用系统默认的配置参数，系统自动计算reduce个数，这里需要85个reduce。85*300>23.4G。程序运行时间为123S.
set mapred.max.split.size=256000000 ;
set mapred.min.split.size=10000000 ;
set hive.exec.reducers.bytes.per.reducer = 300000000;
2.2增大hive.exec.reducers.bytes.per.reducer = 1000000000; 发现需要的reduce变成了26个，减少了一大半。且满足26*1Gb>23.4G。但程序运行时间增加将近一半237s.
set mapred.max.split.size=256000000;
set mapred.min.split.size=10000000;
set hive.exec.reducers.bytes.per.reducer = 1000000000;
Hadoop job information for Stage-1: number of mappers: 112; number of reducers: 26
Time taken: 237.104 seconds
2.3降低hive.exec.reducers.bytes.per.reducer = 128000000; 发现需要的reduce变成了，增加到197个。执行时间为141s.
set mapred.max.split.size=256000000;
set mapred.min.split.size=10000000;
set hive.exec.reducers.bytes.per.reducer = 128000000;
Hadoop job information for Stage-1: number of mappers: 112; number of reducers: 197
Time taken: 141.371 seconds
3.通过mapred.reduce.tasks直接设置reduce个数
如下，手动设置reduce的个数为100个，则reduce的个数就是100个，每个reduce处理的数据按总数据量 /100.
set mapred.max.split.size=256000000;
set mapred.min.split.size=10000000;
set mapred.reduce.tasks=100;
Hadoop job information for Stage-1: number of mappers: 112; number of reducers: 100
总结：
同map函数一样，启动和初始化reduce也会消耗时间和资源。所以reduce的个数不宜过多，且reduce的个数决定了最终输出文件的个数，如果reduce个数过多则会产生很多小文件，对于以后的计算也会降低效率。
当然reduce个数如果过少，也会造成单个reduce处理数据量太大也会影响程序的效率。所以一般reduce的个数最好让程序自己去推定与计算。
那么什么时候可以进行手动设定reduce数量呢？比如系统自动计算的reduce个数，因为集群资源不足，造成程序运行出现OOM(内存溢出不足)时，可以根据推定的reduce个数手动增加数量，保证程序在跑的慢的基础上可以完整运行。
4.reduce的特殊情况，程序只有一个reduce
一般map输出的结果值小于hive.exec.reducers.bytes.per.reducer值时，程序只有一个reduce没有问题，其次手动设置mapred.reduce.tasks=1,这个时候程序只有一个reduce。
那么正常除了这两种情况下，正常程序还有什么情况下只有 一个reduce呢？
1.代码用了order by ,因为order by是全局排序
order by 全局排序针对所有的数据，所以最终所有的数据都要分发给一个reduce去处理。比如这里23.4G文件使用order by，系统 启动了两个MR程序执行。最终使用一个reduce进行排序，极度慢,慎用。
2.表关联时出现了笛卡尔乘积
表之间进行join时，如果出现 了笛卡尔乘积，需要全局处理，所以MR不得不使用 一个reduce去处理，所以要尽量避免出现这种 情况。
参考文档：
https://blog.csdn.net/qq_26442553/article/details/99693490
https://cloud.tencent.com/developer/article/1866347