MR编程模型之执行步骤：
1、准备map处理的输入数据
2、mapper处理
3、Shuffle
4、Reduce处理
5、结果输出
(input)<k1,v1> -> map -><k2,v2> -> combine -> <k2,v2> ->reduce -> <k3,v3>(output)
处理流程：
流程：
1、输入文本信息，由InputFormat -> FileInputFormat -> TextInputFormat，通过getSplits方法获得Split数组，然后在用getRecordReader 方法对Split做处理，每读一行交给一个map处理
2、每个节点上的所有map，交由该节点上的Partitioner处理（Shuffling的过程），按key将map放在其他节点上去还是继续在该节点下处理
3、排序
4、结果交由reduce处理
5、处理完成后由 OutputFormat ->FileOutputFormat ->TextOutputFormat 写到本地或Hadoop上
Split：MR处理的的数据块，MR中最小的计算单元，默认是与HDFS中的Block（HDFS中的最小存储单元，默认128M）是一一对应的，也可以手工设置（不建议修改）
InputFormat：将输入的数据进行分片（Split） InputSplit[] getSplits(JobConf var1, int var2)
TextInputFormat：用来处理文本格式的数据
OutputFormat： 输出
上图图解：
一般来说，一个Split对应一个Block，但上图是一个设置过后的。
一个file文件被分成了n个Block，对应着就是2n个Split，经过InputFormat处理后，每个Split交由一个Mapper处理，通过Shuffling的分组和排序后产生多个Reducer，每个Reducer就会产生一个文件
MapReduce 1.x的架构：一个JobTracker+多个taskTracker
JobTracker:负责资源管理和作业调度
TrakTracker：定期向JobTracker汇报节点的健康、资源、作业情况，接收JT的命令，比如启动/杀死任务
MapReduce 2.x：
