MapReduce 编程模型是Hadoop的核心部分，具有很强的分布式计算能力，主要包含互相独立的两部分Map阶段和Reduce阶段。
参与Mapping工作的机器可以完全独立工作而不需要知道其他机器上有什么数据；参与Reducing步骤的机器，由于数据之前已经按照key进行了分组，因此其他机器上有什么数据与他毫无关系。参与计算的机器都是互相独立，完全不依赖其他机器的数据，这样就可以很方便写代码，因为所有参与Mapping工作的机器使用一模一样的代码，所有参与Reducing工作的机器也使用一模一样的代码。
MapReduce 中各个阶段过程图
已上图为例，了解执行过程
InputFormat：进行数据预处理，比如验证格式
split：将输入文件分为逻辑上的多个InputSplit
RR：通过RecordReader 根据InputSplit中的信息处理其中的记录，加载数据并转换为合适的Map任务读取的键值对
Map： 程序员编写map函数，对输入的键值对进行处理，并输出key-value对
Combiner：可选阶段，Combiner是一个本地化的reduce操作，它是map运算的后续操作，主要是在map计算出中间文件前做一个简单的合并重复key值的操作，这样就提高了宽带的传输效率，但是combiner操作是有风险的，使用它的原则是combiner的输入不会影响到reduce计算的最终输入，例如：如果计算只是求总数，最大值，最小值可以使用combiner，但是做平均值计算使用combiner的话，最终的reduce计算结果就会出错。
Shuffle：将map的输出作为reduce的输入的过程就是shuffle了，这个是mapreduce优化的重点地方。下面会重点写一下
Reduce：将输入的<key，value>进行归并合并 并输出有序的键值对
shuffle过程详解：####
Map端的shuffle过程
- 每个Map任务分配一个缓存，大小默认为100M，设置溢写比例为0.8；
- 分区默认采取哈希函数；
- 排序是默认操作，排序后可以进行合并，但要注意合并不能影响最终结果
- 在Map任务全部结束之前进行归并，得到一个大文件放置在本地磁盘
- 文件归并时，如果溢写文件数量大于3则可以再次启动Combiner，少于三个则不需要
Reduce端的shuffle过程
- Reduce任务通过RPC向JobTracker询问Map任务是否已经完成，若完成，则领取数据
- Reduce领取数据先放入缓存，来自不同Map机器，先归并，再合并，写入磁盘
- 多个溢写文件归并成一个或多个大文件，文件中的键值对是排序的
