Hadoop= 存储 + 资源管理 + 分布式计算集群配置示例：48核CPU / 256GB内存 / 每台24TB存储（36TB总容量）

部分 reduce 任务执行极慢，大部分任务已经完成，个别任务卡在 99%。通过 YARN 查看每个 reduce 处理的数据量，发现某一个 reduce 接收的数据远大于其他任务。key 分布不均匀，大量相同 key 被打到同一个 reduce。业务侧预处理；加盐，给倾斜 key 增加随机前缀打散；小表 mapjoin，避免 shuffle；调整并行度。

两套完整环境，；风险点：一旦切过去，。：保留蓝、绿两套完整集群，，兼顾：新版本完整环境隔离 + 灰度小流量验证 + 秒级整体回滚能力。

任务一直 ACCEPTED，不运行：队列资源耗尽，没有可用资源；NodeManager 全部不健康；标签资源不匹配。部分 task 失败，大部分 task 成功，重试几次后作业失败：优先怀疑数据倾斜、单 task 数据量过大 OOM、脏数据、shuffle 读取失败。一提交直接失败，没有任何 map/reduce task 运行：看 AM 日志，检查 jar 包、类不存在、参数错误、路径错误、权限

识别热点 key：通过任务监控、日志、采样，找到倾斜的 key；SQL/RDD 改造，实现两阶段加盐聚合；join 倾斜需要大小表配套改造；控制盐值数量：不是越大越好，10、20、50；盐值过大生成大量小 task；优先只对热点 key 加盐，减少全量数据膨胀；测试验证结果正确性：sum/count 正确；avg 不能直接加盐；评估资源：加盐多一轮 shuffle，资源会上涨，预估资源调整参数。缺

脏数据 → 数据倾斜 → OOM用户行为日志每日离线跑批，Hive 执行统计用户行为次数。每日跑批，某天作业突然失败，Reduce 任务 OOM，绝大多数 task 很快跑完，仅 1 个 reduce 反复重试后 OOM 失败。-99999。