1. 理解分布式处理，可以用worker和master之间的RPC通讯方式入手
2. 用户定义了Map和Reduce函数在wc.go文件中，传递给了worker，worker需要保存下这两个函数，用于后续处理，显然，worker还需要一个id编号，这样完成worker结构体的设计
//
// The map function is called once for each file of input. The first
// argument is the name of the input file, and the second is the
// file's complete contents. You should ignore the input file name,
// and look only at the contents argument. The return value is a slice
// of key/value pairs.
//
func Map(filename string, contents string) []mr.KeyValue
//
// The reduce function is called once for each key generated by the
// map tasks, with a list of all the values created for that key by
// any map task.
//
func Reduce(key string, values []string) string3. worker首先需要像master注册一个id，这个id由master进行分配管理， worker像master请求任务，master分配给worker任务,
4. worker的核心算法是doMap和doReduce两个函数
master分配给worker一个文件名，worker读取这个文件，然后调用Map得到kv数组，之后需要用一个Hash算法，将key-value分成nReduce组。得到一个二维的kv数组。worker需要将这个kv数组用json的格式写成文件，文件名字为mr-HashMapId-ReduceId， 第一个参数为Map（worker的编号），第二个参数为ReduceId的编号。
nReduce对应N个worker，每个worker读取对应的reduceId文件，然后调用Reduce函数，将相同的key合并，得到最终的答案。
5. 完成这一部分工作后，再去完成Master的分配算法。