MapReduce處理資料的大致流程
①InputFormat呼叫RecordReader，從輸入目錄的檔案中，讀取一組資料，封裝為keyin-valuein物件
②將封裝好的key-value，交給Mapper.map()------>將處理的結果寫出 keyout-valueout
③ReduceTask啟動Reducer，使用Reducer.reduce()處理Mapper的keyout-valueout
④OutPutFormat呼叫RecordWriter，將Reducer處理後的keyout-valueout寫出到檔案
關於這些名詞的解釋參考我之前的文章MapReduce計算框架的核心程式設計思想。
示例
需求： 統計/hello目錄中每個檔案的單詞數量，
a-p開頭的單詞放入到一個結果檔案中，
q-z開頭的單詞放入到另外一個結果檔案中。
例如：
/hello/a.txt，檔案大小200M
hello,hi,hadoop
hive,hadoop,hive,
zoo,spark,wow
zoo,spark,wow
...
/hello/b.txt，檔案大小100M
hello,hi,hadoop
zoo,spark,wow
...
1. Map階段(執行MapTask，將一個大的任務切分為若干小任務，處理輸出階段性的結果)
①切片(切分資料)
/hello/a.txt 200M
/hello/b.txt 100M
預設的切分策略是以檔案為單位，以檔案的塊大小(128M)為片大小進行切片！
split0:/hello/a.txt,0-128M
split1: /hello/a.txt,128M-200M
split2: /hello/b.txt,0M-100M
②執行MapTask（程式），每個MapTask負責一片資料
split0:/hello/a.txt,0-128M--------MapTask1
split1: /hello/a.txt,128M-200M--------MapTask2
split2: /hello/b.txt,0M-100M--------MapTask3
③讀取資料階段
在MR中，所有的資料必須封裝為key-value
MapTask1,2,3都會初始化一個InputFormat（預設TextInputFormat），每個InputFormat物件負責建立一個RecordReader(LineRecordReader)物件，
RecordReader負責從每個切片的資料中讀取資料，封裝為key-value
LineRecordReader: 將檔案中的每一行封裝為一個key（offset）-value(當前行的內容)
舉例：
hello,hi,hadoop----->(0,hello,hi,hadoop)
hive,hadoop,hive----->(20,hive,hadoop,hive)
zoo,spark,wow----->(30,zoo,spark,wow)
zoo,spark,wow----->(40,zoo,spark,wow)
④進入Mapper的map()階段
map()是Map階段的核心處理邏輯！ 單詞統計! map()會迴圈呼叫，對輸入的每個Key-value都進行處理！
輸入：(0,hello,hi,hadoop)
輸出：(hello,1),(hi,1),(hadoop,1)
輸入：(20,hive,hadoop,hive)
輸出：(hive,1),(hadoop,1),(hive,1)
輸入：(30,zoo,spark,wow)
輸出：(zoo,1),(spark,1),(wow,1)
輸入：(40,zoo,spark,wow)
輸出：(zoo,1),(spark,1),(wow,1)
⑤將MapTask輸出的記錄進行分割槽(分組、分類)
在Mapper輸出後，呼叫Partitioner，對Mapper輸出的key-value進行分割槽，分割槽後也會排序（預設字典順序排序）
分割槽規則：
- a-p開頭的單詞放入到一個區
- q-z開頭的單詞放入到另一個區
MapTask1:
0號區： (hadoop,1)，(hadoop,1)，(hello,1),(hi,1),(hive,1),(hive,1)
1號區： (spark,1),(spark,1),(wow,1) ，(wow,1),(zoo,1)(zoo,1)
MapTask2:
0號區： ...
1號區： ...
MapTask3:
0號區： (hadoop,1),(hello,1),(hi,1),
1號區： (spark,1),(wow,1),(zoo,1)
2.Reduce階段
①因為需求是生成兩個結果檔案，所以我們需要啟動兩個ReduceTask
ReduceTask啟動後，會啟動shuffle執行緒，從MapTask中拷貝相應分割槽的資料！
ReduceTask1: 只負責0號區
將三個MapTask，生成的0號區資料全部拷貝到ReduceTask所在的機器！
(hadoop,1)，(hadoop,1)，(hello,1),(hi,1),(hive,1),(hive,1)
(hadoop,1),(hello,1),(hi,1),
ReduceTask2: 只負責1號區
將三個MapTask，生成的1號區資料全部拷貝到ReduceTask所在的機器！
(spark,1),(spark,1),(wow,1) ，(wow,1),(zoo,1)(zoo,1)
(spark,1),(wow,1),(zoo,1)
②sort
ReduceTask1: 只負責0號區進行排序：
(hadoop,1)，(hadoop,1)，(hadoop,1),(hello,1),(hello,1),(hi,1),(hi,1),(hive,1),(hive,1)
ReduceTask2: 只負責1號區進行排序：
(spark,1),(spark,1),(spark,1),(wow,1) ，(wow,1),(wow,1),(zoo,1),(zoo,1)(zoo,1)
③reduce
ReduceTask1---->Reducer----->reduce(一次讀入一組資料)
何為一組資料： key相同的為一組資料
輸入： (hadoop,1)，(hadoop,1)，(hadoop,1)
輸出： (hadoop,3)
輸入： (hello,1),(hello,1)
輸出： (hello,2)
輸入： (hi,1),(hi,1)
輸出： (hi,2)
輸入：(hive,1),(hive,1)
輸出： （hive,2）
ReduceTask2---->Reducer----->reduce(一次讀入一組資料)
輸入： (spark,1),(spark,1),(spark,1)
輸出： (spark,3)
輸入： (wow,1) ，(wow,1),(wow,1)
輸出： (wow,3)
輸入：(zoo,1),(zoo,1)(zoo,1)
輸出： (zoo,3)
④呼叫OutPutFormat中的RecordWriter將Reducer輸出的記錄寫出
ReduceTask1---->OutPutFormat（預設TextOutPutFormat）---->RecordWriter（LineRecoreWriter）
LineRecoreWriter將一個key-value以一行寫出，key和alue之間使用\t分割
在輸出目錄中，生成檔案part-r-0000
hadoop 3
hello 2
hi 2
hive 2
ReduceTask2---->OutPutFormat（預設TextOutPutFormat）------>RecordWriter（LineRecoreWriter）
LineRecoreWriter將一個key-value以一行寫出，key和alue之間使用\t分割
在輸出目錄中，生成檔案part-r-0001
spark 3
wow 3
zoo 3
三、MR總結
Map階段(MapTask)： 切片(Split)-----讀取資料(Read)-------交給Mapper處理(Map)------分割槽和排序(sort)
Reduce階段(ReduceTask): 拷貝資料(copy)------排序(sort)-----合併(reduce)-----寫出(write)