最近在研究Hadoop，所以在這裏和大家分享一下，共同學習。
先說點廢話，首先，環境配置，我在這裏就不無視各位看官智商了，大家用百度google一下，很多，很全。可能有的人才剛剛聽說這個，不過hadoop已經發展很久很久了~不過，不用灰心啦，畢竟一種成熟的技術需要時間和事件去檢驗其生存能力和穩定性，這樣，雖然我們沒有走在技術的最前沿，但至少，我們不會走彎路。當技術有一定量的普及之後，會有很多牛給我們提供很多現成的技術支持，比起go語言之類的，我們或許會幸福一些吧？
首先，學習Hadoop，首先要明白這個map reduce理念，可能有的公司的分佈式沒有應用hadoop，但多少在文件分佈式或者數據分佈式上，或多或少會有一些借鑑，畢竟google的牛們，還在地上跑的很歡實。
首先，大家先看一眼下圖：
給你30s，看懂了什麼？沒看懂就繼續往下看吧。
該圖從左到右，是數據的流向，從海量字碼到我們整理出的數據。
按照數據框，我們也分6部分介紹：
1 分佈式獲取的數據；
2 數據框內collection的數據類型（我們可以理解成set、map之類），左側的是地址偏移量，右側的是數據；
3 整理的map 左側是key 右側是value；
4 將map數據合併成collection，也就是一個key，多個value，即values；
5 通過篩選，得到我們要的一組set，每個key，對應唯一的value（此處爲充分不必要事件，數學不好的自己補補）；
6 通過整理，得到我們需要的數據；
是不是很簡單呢？
第一個圖到第二個圖不用我們考慮；
第二個框圖開始，就是我們需要做的了。
這裏我們會需要構建一個mapper 繼承MapReduceBase並實現Mapper接口：
MapReduceBase：
繼承這個類，主要是實現jobconfigurable接口的Configure方法，這個會在其後用到；其中還有一個close接口，這個在2.6就不推薦使用了。
Mapper：
實現這個接口，主要實現其map(k,v,o,r)方法，這個函數是其最主要的部分。
輸入部分：
k：key值，這裏類型爲LongWritable，該類型是hadoop自己封裝的流數據類型，我們可以理解成java裏的long；
v：value值，這裏是Text類型，也是hadoop裏自己封裝的類，類似於String；
輸出部分：
o：輸出的結果，OutputCollector<k,v>，這裏，是一個可添加的類似與map的結構，源碼裏只有一句話，可以添加值，你懂的；
r：reporter，這個類型爲返回值類型。
雖然有些源碼沒有看，如果你學過C#或者C/C++，這裏的o我們可以理解爲&o，如果你沒有學過，我們可以理解成通過調用反射，具體可能會用到jdk代理吧？反正，怎樣，你就理解成，這個Out的值，是返回值就OK了。
然後，就是Reducer了，其繼承了MapReduceBase這個類，實現了Reducer這個接口：
這裏我們就只講一下Reducer：
這裏主要實現reduce(k,v,o,r):
輸入部分：
k：mapper部分傳遞過來的key，與之類型匹配；
v：mapper部分傳遞過來的values，類型爲Iterator<k>，與之類型匹配；
輸出部分：
o：輸出值，類型爲OutputCollector<k,v>；
r：輸出類型。
這樣，最基本的mapreduce結構，我們就可以通過代碼來實現了.
當我們調用的時候，你就應該想起來MapReduceBase這個父類了吧？
通過JobConf調用主進程，由於Hadoop分佈式特性，在使用資源之前，會被壓縮成jar，這裏我們只要調用其class，Hadoop就會爲我們自動調用了；
FileInputformat和FileOutputformat用於控制數據的輸入和輸出。其會對分佈式磁盤進行搜索，對資源進行調用及輸出（PS：這裏需要注意的是，輸出文件不要存在，否則會拒絕進程執行）；
這裏注入的時候，根據輸入值、輸出值，我們調用的注入函數可能不一樣，這裏需要根據具體情況，查閱相關文檔即可；當然，如果合適的話，用默認的也是ok的。
完成這些，我們就可以將代碼跑起來了。
接下來的一些問題和要點，如果沒有懶死的話，會隨之更新的^^.
