您可以使用pig中提供的并行功能。有关更多信息，请参阅此链接。pig并行功能

增加reducer的数量肯定会有所帮助（如果您正在执行的操作有聚合）。由于实际聚合发生在reduce端，运行多个reducer将提高性能。
您可以使用“平行”关键字设置清管器中的异径管数量。例如：a=加载“myfile”为（t，u，v）；b=a组×t平行18；
Map器的数量取决于输入的大小和我们使用的输入格式。Map器的数量通常等于输入拆分的数量。

是的，当然你可以有多个减速机。

不同的颜色代表不同的键。具有相同键的所有值都将呈现给单个reduce任务。
也就是说，不同的键可以有多个减速机
请参阅此链接
https://developer.yahoo.com/hadoop/tutorial/module4.html

前面的答案不一定适合你的情况。确实，如果您有各种reduce键，并且您的数据集没有严重地向其中一个倾斜，并且shuffle和/或reduce阶段是您操作中的瓶颈，并且您有多个内核可用作reducer，那么添加更多的reducer将有所帮助。在pig中，可以指定要与 PARALLEL 条款。
正如所暗示的，在某些情况下，添加更多的异径管无助于您：
对于大多数数据，只有一个reduce键。如果大多数数据产生相同的reduce键，则该键的所有Map输出都将转到一个reducer。如果你添加更多的减速器，你会发现其他减速器完成得很快，但减速器仍然需要很长时间才能完成。如果这是在Pig JOIN ，您可以通过 USING 'skewed' 条款。
主要的瓶颈是在Map阶段读取数据并对其进行处理。你说你有550GB的数据。你用了多少个制图器？他们需要多长时间才能完成？添加更多的减速器只能加快洗牌和减速阶段。
您正在一个小型集群上工作，该集群只有很少的内核可用于reduce任务。如果您已经在计算机上设置了本地hadoop集群，那么用于减少任务的内核可能不会超过1到2个。因此，启动更多的减速机只会意味着那些额外的减速机必须等待他们的cpu时间，你不会移动任何更快。
除了添加减速机之外，另一种使作业运行更快的方法是减少任何不必要的Map输出。所有的map输出都被写入磁盘，然后被分发到reducer，在那里它再次被写入磁盘。磁盘i/o非常慢，如果不需要很多数据，请在Map阶段将其丢弃。例如，在pig中，您可能只希望获得每个键的记录数。在这种情况下，除了密钥之外的所有数据都应该被丢弃。
通常，Map器的数量是自动选择的。如果您觉得Map器的数量太少，可以使用一些技巧。例如，您可能会发现pig在将输入文件组合在一起时过于激进，以至于只有一个或两个Map器需要很长时间。那样的话你可以 SET pig.maxCombinedSplitSize 到一个更大的数字。但通常情况下，Map绘制者的数量是你无法控制的。
您想要使用的减速机的数量取决于您可用的资源（即，一次可以使用多少个减速机？如果您的工作长期占用集群中的所有减速器，是否可以？）以及数据的性质（即，它是否严重偏向于一个reduce键？）。还要注意的是，每个reducer都有一个输出文件，因此在某些情况下，更多的reducer可能会有问题。