为什么在 hive tez 上分配映射器和缩减器？
why mappers and reducers are allocated on hive tez?
即使在 TEZ 中 运行 hive 查询，但分配了 Mappers 和 Reducers，谁能解释一下？
Tez引擎中的运行是否还在使用MR引擎？
当然，它使用相同的 Map-Reduce 原语，但除此之外，Tez 将所有任务表示为单个 DAG。这允许对其进行优化并消除不必要的步骤。
例如这个查询：
SELECT DeptName, COUNT(*) as c FROM EmployeeTable
GROUP BY DeptName ORDER BY c;
在 MR 上它将执行两个 MR 作业，将中间结果保存到 HDFS。
Map-Reduce 要求对每个 Map 任务的输出进行本地排序。
当不需要排序时，这是不必要的开销。 Tez 通过消除 map-reduce 中强制执行的步骤来增加任务行为的灵活性。
查询越复杂，从 Tez 获得的好处就越大。
TEZ 将查询表示为单个作业的 DAG（有向无环图），并消除了不必要的步骤，如 read/write 到持久存储，对每个 Map 的输出进行排序，还允许容器重用。 Tez 始终是最佳选择，对于简单查询，它的效果不比 MR 差，而对于复杂查询，它的效果要好得多。
即使在 TEZ 中 运行 hive 查询，但分配了 Mappers 和 Reducers，谁能解释一下？
Tez引擎中的运行是否还在使用MR引擎？
当然，它使用相同的 Map-Reduce 原语，但除此之外，Tez 将所有任务表示为单个 DAG。这允许对其进行优化并消除不必要的步骤。
例如这个查询：
SELECT DeptName, COUNT(*) as c FROM EmployeeTable
GROUP BY DeptName ORDER BY c;
在 MR 上它将执行两个 MR 作业，将中间结果保存到 HDFS。
查询越复杂，从 Tez 获得的好处就越大。 TEZ 将查询表示为单个作业的 DAG（有向无环图），并消除了不必要的步骤，如 read/write 到持久存储，对每个 Map 的输出进行排序，还允许容器重用。 Tez 始终是最佳选择，对于简单查询，它的效果不比 MR 差，而对于复杂查询，它的效果要好得多。