MapReduce执行流程图
概述
MapReduce是一种分布式计算模型，由Google提出，主要用于搜索领域，解决海量数据的计算问题。
MapReduce是分布式运行的，由两个阶段组成：Map和Reduce，Map阶段是一个独立的程序，有很多个节点同时运行，每个节点处理一部分数据。
Reduce阶段是一个独立的程序，有很多个节点同时运行，每个节点处理一部分数据。
使用
MapReduce框架都有默认实现，用户只需要覆盖map()和reduce()两个函数，即可实现分布式计算，非常简单。
这两个函数的形参和返回值都是，使用的时候一定要注意构造。
复制
一个文本(在HDFS上面保存，两个block)中每一个单词的出现的次数： hello you hello marry hello me really ----->block-1 hello kate ready xiao wang hello tomcat ----->block-2
1.
2.
3.
4.
5.
6.
7.
8.
1.获取每一个block块中的文本，遍历所有，回去其中的一行str
因为要统计的是每一个单词i的次数，所以还需要直到文本中有哪些单词，可以根据字符串的特点，使用split()进行切割。
复制
String[] words=str.split("");
1.
根据要求，需将每一个单词i转换为的形式，k为单词本身，v为单词出现的次数。
2.因为mr的计算是分布式的 ，每一个map(称之为一个mapper task)计算其中的一个block块数据。
复制
map阶段： 输入<K1,V1> k1，偏移量，v1，当前行文本内容 map()函数操作 输出<K2,V2> k2，具体单词，v2，单词对应的统计项，比如次数 输出<K2,V2>
1.
2.
3.
4.
5.
6.
7.
复制
shuffle阶段 研究后发现，如果按照<key,1>这种方式向reduce输出数据的时候，会有 大量的冗余数据。 比如map阶段之后有5个hello,则输出<hello,1>,<hello,1>,<hello,1>, <hello,1>,<hello,1>5次，实际上会对网络造成一定的压力，能不能对 这5个<hello,1>进行一个进入reduce之前的本地组合？比如成为 <hello,5>或者<hello,[1,1,1,1,1]>. 这个过程成为shuffle，洗牌重组阶段，达到上述的结果，称之为规约。 >>>shuffle阶段，也就是对map的输出进行重新洗牌： 分区、分组、排序 <K2,V2>...===><K2,V2s>
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
复制
reduce阶段 接收map的输出结果<key,values> 对这个结果进行汇总统计，针对values，进行简单的累加，计算得出key 对应的次数 reduce针对一个key调用一次reduce()函数 =====>reduce 阶段 输入<K2,V2> K2,就是map的输出的K2，V2s是map经过shuffle之后的结果集 reduce()函数操作 转化为<K3,V3>
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
经过上述操作之后，系统会将计算结果输出给用户，一般会先存储(落地)到hdfs，然后反馈给用户。
到此为止，MapReduce执行完毕，接下来就可以进行大数据的其他一系列操作了。