你可以：
让你的减速机在同一个过程/作业中完成所有分析（1-3）。编辑：从你的评论，我看到这个替代品是没有用的，但我留在这里，以供将来参考，因为在某些情况下，这是可能的。
使用比mapreduce更通用的模型。例如，apachetez（仍然是一个孵化器项目）可以用于您的用例。
关于apache tez的一些有用的参考资料：
描述apacheYarn和相关项目的研究论文，包括apache-tez。
一些博客文章解释了tez的模式。
编辑：增加了关于备选方案1的以下内容：
您还可以让Map器生成一个键，指示输出要用于哪个分析过程。hadoop将自动按这个键对记录进行分组，并将它们全部发送到同一个reducer。Map程序生成的值将是以下形式的元组 <k,v> ，钥匙在哪里( k )是您要生成的原始密钥。因此，Map器生成 <k_analytics, <k,v>> 记录。reducer有一个reducer方法来读取键，并根据键调用适当的分析方法（在reducer类中）。这种方法是可行的，但前提是你的reducer不必处理大量的数据，因为你可能需要在执行分析过程（如 <k,v> 元组不会按其键排序）。如果您的reducer不能处理这个问题，那么@praveen sripati建议的自定义分区器可能是一个探索的选项。
编辑：正如@judge-mental所建议的，备选方案1可以通过发行mappers来进一步改进 <<k_analytics, k>, value> ; 换言之，使分析类型中的键成为键的一部分，而不是值，这样，reducer将接收一个分析作业的所有键，并可以对值执行流操作，而不必将它们保留在ram中。

可以使用自定义分区器。自定义分区器将根据键将Map器的输出重定向到适当的reducer。所以，Map器输出的键是r1*，r2*，r3***。我们需要研究一下这种方法的利弊。
如前所述，tez是另一种选择，但它仍处于孵化阶段。