首先当我在hdfs上存入一个很大的10g文件的时候，首先10g文件会按照128分成80个block，假设我有10个节点，其中一个节点是namenode，那么还有9个节点是datanode，9个节点共同组成了hdfs，80个block放入hdfs时候是随机放入到9个节点的（不太确定，能告诉我吗？），然后按照规则产生副本（这个不说了，网上资料很多）。
mapReduce过程：用户编写的MapReduce程序通过Client提交到JobTracker端 ,JobTracker端获取资源并进行分配，首先会为80个block生成80个map，并且map任务会均匀的分布在各个节点中（这个也不确定，瞎猜的，哈哈），执行map任务时，map会提取想要的block（提取的时候会有相应的原则，如本地化优势，map会优先提取本节点上的数据，如果map所在的节点没有数据会提取其他节点上的，会有网络传输），然后执行map任务，map处理完进行输出，输出到缓冲区，JobTracker再创建reduce（这个task，好像创建map的时候就创建了，不理解为什么这样，不应该是map之后才reduce吗，为什么map task和reduce task一起都创建了，这样不是浪费资源吗，执行maptask的时候 ， reduce task 所在的节点不就闲置了吗？有大神解读吗？ 还有创建reduce的个数是怎么定的），各个节点上的reduce，会按key的hash值后对Reduce task的数量取模，模相同的放到一个reduce（会有网络传输问题），然后输出到hdfs上
优化方面，1.既然reduce会把相同的key都提取，为什么在切分的时候不把相同的key切分到一个map里，只有在reduce的时候，就不需要网络传输了
2.为什么在shuffle的过程中，进行各种排序，这个不是浪费时间吗，有什么实际的意义吗
求大神指点
