本质思想：分而治之，一个大任务分成多个小的子任务（map）,并行执行后，合并结果。（reduce）
MapReduce运行流程
JobTracker:作业的管理者
将作业分解成一堆任务（MapTask和ReduceTask），分配给TaskTracker运行，
作业的监控，容错处理，在一定时间间隔内JT没有收到TT的心跳信息，则该TT上的任务会被指派到其他TT上运行。
TaskTracher：任务的执行者
在TT上执行我们的Task（MapTask和ReduceTask）
执行/启动/停止作业，发送心跳信息给JT
MapTask:自己开发的map任务交由Task处理
解析每条记录的数据，交给自己的map方法处理
将map的输出结果写到本地（有些作业仅有map没有reduce==>HDFS）
ReduceTask：
将Map Task输出的数据进行读取
按照数据分组传给我们自己编写的reduce方法编写。
MapReduce的局限性：
1. 代码繁琐
2. 只能够支持map和reduce方法
3. 执行效率低
4. 不适合迭代多次，交互式，流式的处理