Hadoop MapReduce - 单个减速器负载很重

Question

我正在运行一个看起来像

的猪脚本

<something>
<something>
B = GROUP A by bucketid PARALLEL 200;
C = FOREACH B {
      sorted = SORT A by field1, field2 ...;
      GENERATE FLATTEN(sorted);
    }
STORE C INTO 'output' USING MultiStorage(output, '8', 'gz');

字段bucketid需要200个不同的值，因此我将PARALLEL设置为200，期望每个reducer将处理一个组。然而，一些减速器什么都不做，而其他减速器则照顾不止一组。这背后的想法是什么？

我面临的真正问题是，一个reducer R落后于其他reducer，任务日志显示merging 13GB of data（并且reducer处于reduce阶段）。但是，根据我的输入数据，我不希望R处理大量数据。 R完成后，由它生成的输出部分文件仅为350 MB（gzip格式），如果我解压缩，则只有6 GB。所以我想知道为什么当reducer运行时日志显示merging 13 GB of data。这背后的任何推理？我错过了什么吗？