MapReduce处理数据的大致流程
①InputFormat调用RecordReader，从输入目录的文件中，读取一组数据，封装为keyin-valuein对象
②将封装好的key-value，交给Mapper.map()------>将处理的结果写出 keyout-valueout
③ReduceTask启动Reducer，使用Reducer.reduce()处理Mapper的keyout-valueout
④OutPutFormat调用RecordWriter，将Reducer处理后的keyout-valueout写出到文件
关于这些名词的解释参考我之前的文章MapReduce计算框架的核心编程思想。
示例
需求： 统计/hello目录中每个文件的单词数量，
a-p开头的单词放入到一个结果文件中，
q-z开头的单词放入到另外一个结果文件中。
例如：
/hello/a.txt，文件大小200M
hello,hi,hadoop
hive,hadoop,hive,
zoo,spark,wow
zoo,spark,wow
...
/hello/b.txt，文件大小100M
hello,hi,hadoop
zoo,spark,wow
...
1. Map阶段(运行MapTask，将一个大的任务切分为若干小任务，处理输出阶段性的结果)
①切片(切分数据)
/hello/a.txt 200M
/hello/b.txt 100M
默认的切分策略是以文件为单位，以文件的块大小(128M)为片大小进行切片！
split0:/hello/a.txt,0-128M
split1: /hello/a.txt,128M-200M
split2: /hello/b.txt,0M-100M
②运行MapTask（进程），每个MapTask负责一片数据
split0:/hello/a.txt,0-128M--------MapTask1
split1: /hello/a.txt,128M-200M--------MapTask2
split2: /hello/b.txt,0M-100M--------MapTask3
③读取数据阶段
在MR中，所有的数据必须封装为key-value
MapTask1,2,3都会初始化一个InputFormat（默认TextInputFormat），每个InputFormat对象负责创建一个RecordReader(LineRecordReader)对象，
RecordReader负责从每个切片的数据中读取数据，封装为key-value
LineRecordReader: 将文件中的每一行封装为一个key（offset）-value(当前行的内容)
举例：
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进入Mapper的map()阶段
map()是Map阶段的核心处理逻辑！ 单词统计! map()会循环调用，对输入的每个Key-value都进行处理！
输入：(0,hello,hi,hadoop)
输出：(hello,1),(hi,1),(hadoop,1)
输入：(20,hive,hadoop,hive)
输出：(hive,1),(hadoop,1),(hive,1)
输入：(30,zoo,spark,wow)
输出：(zoo,1),(spark,1),(wow,1)
输入：(40,zoo,spark,wow)
输出：(zoo,1),(spark,1),(wow,1)
⑤将MapTask输出的记录进行分区(分组、分类)
在Mapper输出后，调用Partitioner，对Mapper输出的key-value进行分区，分区后也会排序（默认字典顺序排序）
分区规则：
- a-p开头的单词放入到一个区
- q-z开头的单词放入到另一个区
MapTask1:
0号区： (hadoop,1)，(hadoop,1)，(hello,1),(hi,1),(hive,1),(hive,1)
1号区： (spark,1),(spark,1),(wow,1) ，(wow,1),(zoo,1)(zoo,1)
MapTask2:
0号区： ...
1号区： ...
MapTask3:
0号区： (hadoop,1),(hello,1),(hi,1),
1号区： (spark,1),(wow,1),(zoo,1)
2.Reduce阶段
①因为需求是生成两个结果文件，所以我们需要启动两个ReduceTask
ReduceTask启动后，会启动shuffle线程，从MapTask中拷贝相应分区的数据！
ReduceTask1: 只负责0号区
将三个MapTask，生成的0号区数据全部拷贝到ReduceTask所在的机器！
(hadoop,1)，(hadoop,1)，(hello,1),(hi,1),(hive,1),(hive,1)
(hadoop,1),(hello,1),(hi,1),
ReduceTask2: 只负责1号区
将三个MapTask，生成的1号区数据全部拷贝到ReduceTask所在的机器！
(spark,1),(spark,1),(wow,1) ，(wow,1),(zoo,1)(zoo,1)
(spark,1),(wow,1),(zoo,1)
②sort
ReduceTask1: 只负责0号区进行排序：
(hadoop,1)，(hadoop,1)，(hadoop,1),(hello,1),(hello,1),(hi,1),(hi,1),(hive,1),(hive,1)
ReduceTask2: 只负责1号区进行排序：
(spark,1),(spark,1),(spark,1),(wow,1) ，(wow,1),(wow,1),(zoo,1),(zoo,1)(zoo,1)
③reduce
ReduceTask1---->Reducer----->reduce(一次读入一组数据)
何为一组数据： key相同的为一组数据
输入： (hadoop,1)，(hadoop,1)，(hadoop,1)
输出： (hadoop,3)
输入： (hello,1),(hello,1)
输出： (hello,2)
输入： (hi,1),(hi,1)
输出： (hi,2)
输入：(hive,1),(hive,1)
输出： （hive,2）
ReduceTask2---->Reducer----->reduce(一次读入一组数据)
输入： (spark,1),(spark,1),(spark,1)
输出： (spark,3)
输入： (wow,1) ，(wow,1),(wow,1)
输出： (wow,3)
输入：(zoo,1),(zoo,1)(zoo,1)
输出： (zoo,3)
④调用OutPutFormat中的RecordWriter将Reducer输出的记录写出
ReduceTask1---->OutPutFormat（默认TextOutPutFormat）---->RecordWriter（LineRecoreWriter）
LineRecoreWriter将一个key-value以一行写出，key和alue之间使用 分割
在输出目录中，生成文件part-r-0000
hadoop 3
hello 2
hi 2
hive 2
ReduceTask2---->OutPutFormat（默认TextOutPutFormat）------>RecordWriter（LineRecoreWriter）
LineRecoreWriter将一个key-value以一行写出，key和alue之间使用 分割
在输出目录中，生成文件part-r-0001
spark 3
wow 3
zoo 3
三、MR总结
Map阶段(MapTask)： 切片(Split)-----读取数据(Read)-------交给Mapper处理(Map)------分区和排序(sort)
Reduce阶段(ReduceTask): 拷贝数据(copy)------排序(sort)-----合并(reduce)-----写出(write)