本文对MapReduce使用限制项进行说明，不遵循使用限制可能导致业务受到影响。

MaxCompute MapReduce限制项汇总，如下表所示。
边界名 边界值 分类 配置项名称 默认值 是否可配置 说明
Instance内存占用 [256MB,12GB] 内存限制 odps.stage.mapper(reducer).mem和odps.stage.mapper(reducer).jvm.mem 2048M＋1024M 是 单个Map Instance或Reduce Instance占用memory，由框架memory（默认2048M）和JVM的heap memory（默认1024M）两部分 。
resource数量 256个 数量限制 - 无 否 单个Job引用的resource数量不超过256个，table、archive按照一个单位计算 。
输入路数和输出路数 1024个和256个 数量限制 - 无 否 单个Job的输入路数不能超过1024（同一个表的一个分区算一路输入，总的不同表个数不能超过64个），单个Job的输出路数不能超过256 。
counter数量 64个 数量限制 - 无 否 单个Job中自定义counter的数量不能超过64，counter的group name和counter name中不能带有#，两者长度和不能超过100。
map instance [1,100000] 数量限制 odps.stage.mapper.num 无 是 单个Job的map instance个数由框架根据split size计算得出，如果没有输入表，可以通过 odps.stage.mapper.num直接设置，最终个数范围[1,100000]。
reduce instance [0,2000] 数量限制 odps.stage.reducer.num 无 是 单个Job默认Reduce Instance个数为Map Instance个数的1/4，用户设置作为最终的Reduce Instance个数，范围[0,2000]。可能出现这样的情形：reduce处理的数据量会比map大很多倍，导致reduce阶段比较慢，而reduce只能最多2000 。
重试次数 3 数量限制 - 无 否 单个Map Instance或Reduce Instance失败重试次数为3，一些不可重试的异常会直接导致作业失败。
local debug模式 instance个数不超100 数量限制 - 无 否
local debug模式下：
  • 默认Map Instance个数为2，不能超过100。
  • 默认Reduce Instance个数为1，不能超过100。
  • 默认一路输入下载记录数100，不能超过10000。
重复读取resource次数 64次 数量限制 - 无 否 单个Map Instance或Reduce Instance重复读一个resource次数限制<=64次 。
resource字节数 2G 长度限制 - 无 否 单个Job引用的resource总计字节数大小不超过2G。
split size 大于等于1 长度限制 odps.stage.mapper.split.size 256M 是 框架会参考设置的split size值来划分Map，决定Map的个数 。
string列内容长度 8M 长度限制 - 无 否 MaxCompute表STRING列内容长度不允许超出限制。
worker运行超时时间 ［1,3600］ 时间限制 odps.function.timeout 600 是 Map或者Reduce Worker在无数据读写且没有通过context.progress()主动发送心态的情况下的超时时间，默认值是600s。
MapReduce引用Table资源支持的字段类型 BIGINT、DOUBLE、STRING、DATETIME、BOOLEAN 数据类型限制 - 无 否 MapReduce任务引用表资源时，若表字段有其他类型字段执行报错。
MapReduce是否支持读取OSS数据 - 功能限制 - 无 否 MapReduce不支持读取OSS数据。
MapReduce是否支持MaxCompute2.0新类型 - 功能限制 - 无 否 MapReduce不支持MaxCompute2.0新类型。