1、MapReduce執行流程
RecordReader->讀取文件數據，將數據拆分爲kv對
map階段->調用用戶定義程序處理kv對，並對數據進行分區（job.setPartitionerClass）後存儲到“環形內存緩衝區”，
當緩衝區達到一定閾值時（默認80%），會啓動後臺線程將部分數據溢出寫入（spill）磁盤的臨時文件中，
將數據寫入文件前會先進行排序（job.setSortComparatorClass）後執行合併（combine）操作（可選）。
當整個map任務完成溢出寫入（spill）後，會將所有臨時文件執行歸併（merge）操作，生成一個大文件
此時的歸併會將spill文件中所有的相同partition合併到一起，並對每個partition中的數據按照key進行排序（sort）操作，生成key和對應的value-list，文件歸併時，如果溢寫文件數量超過參數min.num.spills.for.combine的值（默認爲3）時，可以再次進行合併（combine）。
reduce階段-> reduce task會從不同的job里拉取map task的最終結果，並將相同的partition數據歸併(merge)成一個大文件，對文件中的數據按key進行排序。
之後會對數據進行分組(job.setGroupingComparatorClass)。之後調用reduce進行數據處理
ps:如果：reduce數=1，所有分區都在一個reduce中處理，生成一個文件
1<reduce數<分區數，會報錯，有的分區找不到處理的reduce
reduce數>分區數，會有本分reduce沒有數據處理，生成空文件
一個分組調用一次reduce()方法
參考：https://blog.csdn.net/asn_forever/article/details/81233547
https://blog.csdn.net/u014374284/article/details/49205885