1.在Job初始化時，設定input format，output format，key和value。
2.將HDFS中的block劃分成split分給map（在hdfs.xml中dfs.block.size設置block大小）。
3.map通過input format讀取(key, value)並處理。處理後將生成數據放入buffer（buffer大小可設定）。
buffer結構：除了key和value之外，還包括meta。一個meta包括了index，key length，value length，partition number。index表示meta所對應的(key, value)的索引座標，partition number表示對應(key, value)的partition號。
4.當buffer放滿時，將buffer放入sort and spill中進行排序，排序時以partition爲主鍵，key爲副鍵。
（partitions可由用戶定義，數量由reduce個數確定。例如：terasort設定的partitions確保了：partition0的所有key一定大於partition1。這樣就保證了，sort and spill之後在整個map output文件中key是有序的。grep設定的partitions確保了：partition0的所有key(也就是匹配到的詞)都相同，這樣，sort and spill之後partition中key的個數就是匹配到詞的個數。）
5.排序結束後，生成多個（有可能只有一個）map output文件和對應的index文件(標記着mapout的partition的索引，也就是partition0，partition1...partitionN在mapout文件的起始位置)，將多個（如果只有1個就不需要merge）mapout和對應的index文件merge成兩個文件，最後在一個slave上只有一個mapout和對應的一個index。
6.Reduce根據index文件通過shuffle，fetch對應partition號的數據（也就是reduce0 fetch partition0）。
（fetch過程在集羣中是通過網絡完成的，如果是pesudo模式shuffle會直接讀取本地文件，也就是繞過了真正的shuffle）。
7.多個Reduce處理後進行merge，直到只剩下一個文件爲止，通過output format輸出結果。