1. **设置 ReduceTask 并行度（个数）** reducetask 的并行度同样影响整个 job 的执行并发度和执行效率，但与maptask 的并发数由切片数决定不同，<ins>Reducetask 数量的决定是可以直接手动设置</ins>： ``` //默认值是 1，手动设置为 5 job.setNumReduceTasks(5); ``` 2. **注意** （1）reducetask=0 ，表示没有 reduce 阶段，输出文件个数和 map 个数一致。 （2）reducetask 默认值就是 1，所以输出文件个数为一个。 （3）如果数据分布不均匀，就有可能在 reduce 阶段产生数据倾斜 （4）reducetask 数量并不是任意设置，还要考虑业务逻辑需求，有些情况下，需要计算全局汇总结果，就只能有 1 个 reducetask。 （5）具体多少个 reducetask，需要根据集群性能而定。 （6）如果分区数不是 1，但是 reducetask 为1，是否执行分区过程。答案是：不执行分区过程。因为在maptask的源码中，执行分区的前提是先判断reduceNum个数是否大于 1。不大于 1 肯定不执行。 3. **ReduceTask 工作机制** （1）Copy 阶段：ReduceTask 从各个 MapTask 上远程拷贝一片数据，并针对某一片数据，如果其大小超过一定阈值，则写到磁盘上，否则直接放到内存中。 （2）Merge 阶段：在远程拷贝数据的同时，ReduceTask 启动了两个后台线程对内存和磁盘上的文件进行合并，以防止内存使用过多或磁盘上文件过多。 （3）Sort阶段：按照MapReduce语义，用户编写reduce()函数输入数据是按key进行聚集的一组数据。为了将key相同的数据聚在一起，Hadoop采用了基于排序的策略。由于各个 MapTask 已经实现对自己的处理结果进行了局部排序，因此，ReduceTask 只需对所有数据进行一次归并排序即可。 （4）Reduce 阶段：reduce()函数将计算结果写到 HDFS 上。