在aws emr上通过hive或pig将许多小文件（>200000，4kbyte）从s3 bucket加载到hdfs非常慢。似乎只有一个Map器被用来获取数据，尽管我不能确切地找出瓶颈在哪里。
清管器代码示例

data = load 's3://data-bucket/'  USING PigStorage(',') AS (line:chararray)

配置单元代码示例

CREATE EXTERNAL TABLE data (value STRING) LOCATION  's3://data-bucket/';

是否有任何已知的设置可以加快进程或增加用于获取数据的Map器的数量？
我尝试了以下方法，但没有任何明显的效果：
增加#任务节点
设置hive.optimize.s3.query=true
手动设置#Map器
将示例类型从中型增加到xlarge
我知道s3distcp会加快进程，但我只能通过做很多调整（包括设置#workerthreads）来获得更好的性能，我更喜欢直接在pig/hive脚本中更改参数。