注：之前写过MapReduce程序，所以对Hadoop和MapReduce编程有一些了解，现在正在阅读《Hadoop实战》一书，这里主要是记下对自己有用的一些点，完全不能覆盖书中的全部要点。想要学习MapReduce入门的同学请移尊步，勿浪费时间。
这里是我觉得不错的几个入门文章：
http://www.cnblogs.com/forfuture1978/category/300670.html
http://blog.csdn.net/aidayei/article/details/6580277
http://www.cnblogs.com/mdyang/category/307547.html
http://www.cnblogs.com/wycg1984/category/238035.html
-----------------------------------------------------------敌我分割线------------------------------------------------------------
访问HDFS:
命令行方式 hadoop fs -cmd <args>
例如： hadoop fs -ls
编程访问（Java版）：API的起点为 FileSystem这个类。
Hadoop数据类型：
Hadoop中数据（键值对）需要在计算过程各个阶段流动，因此应了解数据（键值对）的类型。
Hadoop是键值对存储和计算，其中的键值都是有类型的。简单说，值需要实现Writable接口，键需要实现WritableComprable接口。Writable类型的对象能够写入文件系统和从文件系统中读取（实现了readField，write函数），WritableComprable类型的对象除了存储外，能够进行比较（实现了compareTo函数）。原因是键值在MapReduce过程都要存到HDFS或本地文件系统上，另外键在MapReduce的shuffle过程中需要分区（MapReduce计算框架在shuffle过程中要排序）。
Hadoop的几个函数：
Mapper：将一个键值对变成另一个（或多个）键值对。k1/v1 => k2/v2
Reducer：接收Mapper的输出（按key合并的输出），k2/list(v2) => k3/v3
Partitioner：书上说是重定向Mapper的输出。一般会设定若干个reduce（只有一个reduce并行度低），Partitioner函数的输入参数是k/v和程序员设定的reducer个数，返回一个介于0~reducer个数 的整数，该k/v就被发送到这个编号的reducer。简单说，就是指定一个k/v对应该由哪个reducer来执行（因为可能有很多reducer）。
Combiner：本地reducer。使用Combiner需要前提条件，这个在Hadoop权威指南一书上说了。例如为求和可以用，但是求平均值就不能直接简单用Combiner。