3 个回答
group by代替distinct 要统计某一列的去重数时，如果数据量很大，count(distinct)就会非常慢，原因与order by类似，count(distinct)逻辑导致最终只有一个Reduce任务。
发布于：6个月前 (11-20) IP属地：四川省
业务问题或者业务数据本身的问题，某些数据比较集中。例如：
join小表：其中一个表是小表，但是key比较集中，导致的就是某些Reduce的值偏高。
空值或无意义值：如果缺失的项很多，在做join时这些空值就会非常集中，拖累进度。
group by：维度过小。
distinct：导致最终只有一个Reduce任务。发布于：6个月前 (11-20) IP属地：四川省
key分布不均衡。
发布于：6个月前 (11-20) IP属地：四川省
我来回答
您需要 登录 后回答此问题！