Map和Reduce阶段都是分离的
map阶段–程序mapTask
mapTask可以运行在多个服务器上面，具体启动的数量取决于数据的数量。将文件化分给不同的mapTask的过程叫做切片。
因为每个文件的大小不一致，所以并不是单纯的按照文件的个数进行分配。所以其实是将文件分为一些固定大小的数据块，并且将数据块分配给不同的map程序。
首先是对文件的大小进行扫描，之后根绝文件的整体的大小启动相应数量的map程序
需要给map程序提供一个接口类，map将数据直接传给接口类，之后接口类处理完的数据内容再递交给mapTask使用context。
reduce阶段–程序ReduceTask
mapTask所处理的数据需要提供给reduce程序，能把相同Key的数据给一个程序就可以完成对于某一个单词的统计。
shuffle程序将key相同的kv数据一定发给同一个reduce程序。
分发给reduce的过程是固定的框架完成的，但是reduce里面需要的逻辑需要使用者提供给框架，这个也是需要实现一个接口的实现类。
reduce会得到一些数据，统计其中所有属于同一个key的数量。
使用MapReduce完成一次wordcount的过程
reduce和map都需要通过继承hadoop所提供的类，并且重载其中的函数。
public class WordCounter extends Mapper<KEYIN,VALUEIN,KEYOUT,VALUEOUT>{
}
Mapper还有Reducer里面有四个模板类型需要完善
- KEYIN： 是map task读取到的数据的key的类型，是一行的起始偏移量Long。
- VALUEIN: 是map task读取到的数据的value的类型，是一行的内容String。
- KEYOUT：是用户的自定义map方法要返回的结果kv数据的key的类型，在wordcount逻辑中，我们需要返回的是单词String。
- VALUEOUT: 是用户的自定义map方法要返回的结果。kv数据的value的类型，在wordcount逻辑中，我们需要返回的是整数Integer。
在mapreduce中，map产生的数据需要传输给reduce，需要进行序列化和反序列化，而jdk中的原生序列化机制产生的数据量比较冗余，就会导致数据在mapreduce运行过程中传输效率低下。
所以hadoop专门设计了自己的序列化机制，那么mapreduce中传输的数据类型就必须实现hadoop自己的序列化接口
hadoop为jdk中的常用基本类型Long String Integer Float等数据类型封住了自己的实现了hadoop序列化接口的类型：LongWritable,Text,IntWritable,FloatWritable
public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
// 切单词
String line = value.toString();
String[] words = line.split(" ");
for(String word:words){
context.write(new Text(word), new IntWritable(1));
}
}
}
public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
@Override
protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {
int count = 0;
Iterator<IntWritable> iterator = values.iterator();
while(iterator.hasNext()){
IntWritable value = iterator.next();
count += value.get();
}
context.write(key, new IntWritable(count));
}
}