排序和洗牌阶段在Map器和还原器之间进行划分。这就是为什么我们看到reduce%在Map程序仍在运行时增加（通常增加到33%）。
增加排序缓冲区内存以及由此获得的性能增益取决于：
a） Map器发出的键的大小/总数
b） Map器任务的性质：（io密集型，cpu密集型）
c） 可用主内存，Map/减少给定节点中的插槽（已占用）
d） 数据偏斜
您可以在@https://www.inkling.com/read/hadoop-definitive-guide-tom-white-3rd/chapter-6/shuffle-and-sort

根据我的经验，要在mapred.site.xml中调优的相关参数有： io.sort.mb 这是Map器的输出缓冲区。当缓冲区满时，数据被排序并溢出到磁盘。理想情况下，你要避免多次泄漏。请注意，此内存是maptask堆大小的一部分。 mapred.map.child.java.opts 这是Map任务的堆大小，越大，输出缓冲区大小就越大。
原则上，reduce任务的数量也会影响洗牌速度。reduce rounds是reduce slot的总数/reduce任务的数量。请注意，初始洗牌（在map阶段）只会将数据洗牌到活动的reducer。所以呢 mapred.reduce.tasks 也是相关的。 io.sort.factor 在map和reduce端执行合并排序的线程数。
压缩也有很大的影响（它加速了从mapper到reducer的传输，但是compr/decompr是有代价的！ mapred.job.shuffle.input.buffer.percent 是在内存中存储Map输出的reducer堆的百分比。
毫无疑问，还有更多的调优机会，但这些都是我花了很长时间玩的机会。