MapReduce階段的kv變化
MapReduce是通過inputformat類讀取文件產生K1,V1，map階段讀取數據，產生K2,V2；而Reduce階段通過拉取map階段的數據進行處理產生新的K3,V3
在map階段讀取數據產生K2,V2之後，我們可以通過使用combiner規約來將map階段的k2進行合併，V2生成集合，也就是從而減少生成文件的大小，減少reduce讀取map階段文件的網絡傳輸。也就是本該在reduce階段進行相同key合併，value形成新的集合的這個過程在map階段通過使用規約提前完成了
注意
我們如果不使用規約(combiner),所有的結果都要在reduce階段完成，效率就會相對低下。使用combiner的話，就會在map端做本地聚合，提升效率
combiner是在每一個maptask所在的節點運行，Reducer是接收全局所有Mapper的輸出結果
規約的好處
通過規約，可以減少map最終的數據量，也就減少傳輸到reduce的數據量，減少網絡帶寬