了解了Map在Java中实现的方法之后，我们再来看一个MapReduce最后结束时的组件：Reducer。
原理
详细的原理介绍已经在系列的另一篇文章《5分钟掌握大数据：MapReduce》里面说过了，下面我们简单介绍一下：
Reduce的任务是对Map打好标签的数据执行具体的计算。
Reduce的任务根据具体业务的不同，可能只是简单的去重统计、计数求和；也有可能是复杂的算法运算。比如，如果你要统计一天的销售额，那么Reducer的任务就是要对Map按天分配过来的数据进行求和等。
代码详解
在进行具体的业务代码编写之前，让我们先看一下Java中对于Reducer的实现。
我们先来精简一下最简单的逻辑，来看看java中如何定义的Reducer
java中Reducer精简定义
1 传入的四个参数：输入输出类型说明，详情见另一篇文章。
2 内部实现：
声明了类Context，传递了四个泛型，分别是输入的key类型、输入的value类型、输出的key类型、输出的value类型。
定义了四个方法：
setup：定义Reducer的启动工作，比如读入一些配置、进行一些变量的初始化等
reduce：定义实际的Reducer阶段功能，比如数据读入、处理、打标签、分发等
cleanup：定义Reducer阶段之后收尾工作，比如多路输出等。
run：实际执行程序的方法，先调用setup完成启动工作，然后调用reduce完成实际的Reducer阶段功能，在所有reduce工作都完成之后，调用cleanup完成收尾工作。
如何写Reducer
最小实现
MiniTest.java
java中reduce的最小实现
接下来我们一行一行的来看：
java中reduce的最小实现的注释版
了解了最小实现之后，我们来看一个最经典的例子：WordCountReducer.java
WordCount在java中的reduce实现
补充：官方完整定义
Reducer官方定义
文集链接
文章链接
