请教个大数据计算MaxCompute问题 有办法强制平均分配吗？

对于你的问题，强制平均分配大数据计算任务，一般而言，可以通过在任务分配策略中设定强制平均分配的规则来实现。具体的实现方式可能会因不同的平台和工具而有所不同。

在MaxCompute中，可以通过设置odps.stage.num参数来控制MapReduce作业的Stage数量。该参数决定了每个Stage应该处理的数据条数。

根据您提供的信息，当将odps.stage.num设置为10时，每个Stage处理的数据条数不均匀，有的Stage处理1条数据，有的Stage处理2条数据。而当将odps.stage.num设置为100时，每个Stage都处理一条数据。

如果您希望强制平均分配数据，可以尝试增加odps.stage.num的值。通过增加该值，可以增加更多的Stage，从而更有可能实现数据的均匀分配。例如，您可以将odps.stage.num设置为一个更大的值，如1000或更大。

请注意，尽管增加odps.stage.num的值可以提高数据的平均分配性，但并不能保证完全平均分配。因为数据分布的均衡性还受到其他因素的影响，如数据的键值分布、数据倾斜等。因此，在实际使用中，需要根据具体情况进行调整和优化。

在MaxCompute中，可以通过set odps.stage.num参数来调整reducer的数量。默认情况下，odps.stage.num等于2，这意味着每个worker机器将有两个reducer任务。
当odps.stage.num设置为10时，总共有八个reducer任务。但是，这并不是说每台worker机器上都有两个reducer任务。相反，reducer任务会被平均分配给各个worker机器，以平衡负载均衡。因此，在不同worker机器上的reducer任务数量可能存在差异。
要让每个worker机器只有一个reducer任务，可以将odps.stage.num设置为100。这样，所有reducer任务都会分配给一台worker机器，而不是多台机器。
需要注意的是，如果reducer任务过多，可能会导致资源浪费，因为单台机器可能会负担过重。因此，建议根据您的实际需求来设置odps.stage.num。