而不是直接使用 GROUP ALL ，您可以将其分为两个步骤。首先，按某个字段分组并计算行数。然后，执行 GROUP ALL 把这些数加起来。这样，就可以并行计算行数。
但是请注意，如果您在第一个 GROUP BY 如果没有重复项，则结果计数将全部为1，因此不会有任何差异。尝试使用具有许多重复项的字段来提高其性能。
请参见此示例：

a;1
a;2
b;3
b;4
b;5

如果我们首先按第一个字段分组，其中有重复项，则最终 COUNT 将处理2行而不是5行：

A = load 'data' using PigStorage(';');
B = group A by $0;
C = foreach B generate COUNT(A);
dump C;
(2)
(3)
D = group C all;
E = foreach D generate SUM(C.$0);
dump E;
(5)

但是，如果我们按第二行分组（这是唯一的），它将处理5行：

A = load 'data' using PigStorage(';');
B = group A by $1;
C = foreach B generate COUNT(A);
dump C;
(1)
(1)
(1)
(1)
(1)
D = group C all;
E = foreach D generate SUM(C.$0);
dump E;
(5)

我只是在这个主题中多挖掘了一点，如果您使用的是最新的pig版本，您似乎不必担心单个reducer将不得不处理大量的数据。代数udf-s将智能处理计数，并在Map器上进行计算。因此，reducer只需处理聚合数据（counts/mapper）。我认为它是在0.9.1中引入的，但是0.14.0肯定有
代数界面
聚合函数是一个eval函数，它接受一个包并返回一个标量值。许多聚合函数的一个有趣且有用的特性是，它们可以以分布式方式递增计算。我们称这些函数为代数函数。count是代数函数的一个例子，因为我们可以对数据子集中的元素数进行计数，然后对计数求和以生成最终输出。在hadoop世界中，这意味着部分计算可以由map和combiner完成，最终结果可以由reducer计算。
但我之前的回答肯定是错的：
在分组中，可以使用 PARALLEL n 关键字设置减速器的数量。
通过指定reduce任务的数量来增加作业的并行性。n的默认值是1（一个reduce任务）。