数据倾斜以及相应的解决办法

数据倾斜就是key分布不均匀，导致分发到不同的reduce上，个别是任务重，导致其他reduce完成，而这些个别的reduce迟迟完成不了

原因：
key分布不均匀：
     map端数据倾斜，输入文件太多且大小不一
     reduce端数据倾斜，分区器问题
     业务数据本身的特征
hive的解决方案：
     调节hive的配置参数
         设置hive.map.aggr=ture map端部分聚合，相当于Combiner
         设置hive.groupby.skewindata = true有数据倾斜时，查询计划生成两个mrjob，第一个job先进行key随机分配处理，先缩小数据量。第二个job在进行真正的group by key处理
     SQL语句优化
         大小表进行连接的时候，使用map join让小表先进内存，在map端进行reduce
         大表接大表的时候，如果是空值造成数据倾斜，那么把空值变成一个字符串加上随机数，把这部分倾斜的数据分发到不同的reduce上
         如果count distinct有大量相同特殊值（如空值）空值可以不做处理，直接最后count结果加1即可，或者空值单独拿出来处理，最后再union回去
         不同数据类型关联 默认的hash操作会按其中的一种类型的值行分配，导致别一种类型全部分发到同一个redduce中，把两个关联的类型转换成相同类型
     MR解决方案
spark的解决方法 
     shuffle
     hashshufflemanager  spark1.2之前
     sortshufflemanager  spark1.2之后