Spark数据倾斜解决方案三：提升Shuffle Reduce的

数据倾斜发生时，某一个或者几个Reduce Task处理的Partition中的数据量相比于其他Reduce Task要多很多，那么，如果能够增加Reduce Task的数量，也可以缓解或者基本上解决数据倾斜问题。

将Reduce Task数量增加，就能够减少每个Task处理的数据量，这样的话，数据倾斜问题就不会像之前那么严重了，甚至能够基本解决数据倾斜。
当使用reduceByKey，groupByKey等能够产生Shuffle类算子的时候，可以传进去一个参数，这个参数就代表要创建的Reduce Task的数量。
这种解决方案只起到了对数据倾斜问题的缓解作用，不能真正解决数据倾斜，但至少可以避免OOM。如果在使用这种方案时，Task最终的执行时间和原先相差不大，那么，就不能使用这种方案了。