1. 少用count(distinct )
建议用group by 代替 distinct 。
原因为count(distinct)逻辑只会有一个reducer
来处理,即使设定了reduce task个数,
setmapred.reduce.tasks=100也一样,所以很容易导致数据倾斜。
坊间传闻,在面对大数据量时很多大厂都“明令禁止使用distinct”。
如sql语句:select count(distinct uid) from users
建议改成: select count(*) from (select uid from testmac group by uid) t