版权声明：署名，允许他人基于本文进行创作，且必须基于与原先许可协议相同的许可协议分发本文 （Creative Commons）
先来举个栗子：
假如让你统计一个院子的车，统计每个品牌的车有多少个？你会怎么没去统计。
铁蛋来了，说soeasy，从前统计到后，累成狗。
那么，现在的扩大了，统计一个县城，或者一个区，你怎么去做。
铁蛋叫来了他的狐朋狗友，铁柱，二虎，波仔，妞妞，小花等等。一个人负责一个院子。让后每人统计好，最会汇总。
那么，是不是很快也很简单。
铁蛋又拍着胸脯吹了个牛说。别说一个县，只要朋友多，那都不是事。
这里我们是不是将事情分布，并且最后进行汇总。接下来进入主题。
MapReduce
为什么叫MapReduce,不叫小XXOO，apache ss，等。
MapTask—并行，比如铁蛋的多个朋友同时出去统计车。
ReduceTask----汇总， 统计完每个人的然后汇总。就是整个最后的结果。
1.1图片水平来看------------------>
一个input输入端，一个output输出端，mapTask的输出是reduceTask的输入。只有mapTask统计完了，reduceTask才能统计。线性依赖。
1.2图片垂直来看------------------>
map有三个，reduce有两个。map就是铁蛋的朋友，朋友越多执行效率越快。reduce也可以有多个。根据我们的需求。
1.3流程
Hdfs—map----reduce----hdfs
注意点：
一个切片对应一个map。切片是逻辑范围的。默认一个block，一个split，一个map。
但是比如说你的文件需要128M才能分析出东西。block是64M，这里就是需要两个block,有个split,有个map。split是灵活的。
split输入以记录为单位（默认一条记录是一行）记录可能是多种。
输入(格式化k,v)----数据集map映射成个中间数据集(k,v)-----reduce
（1）map数量
由split决定，split有数据特征来决定，怎样去计算。
（2）renduce数量
第一个栗子：铁蛋的朋友统计完了，需要铁蛋去统计，所有人把数量都给他，但是铁蛋这家伙懒，出了一个帮手虎子，统计的时候呢，有的人改了虎子，有的人给了铁蛋。那统计完依然不是一个完整的数据。看看我们的图片，reduce完成之后去了哪里。没有了。所以reduce的数量根据需求决定。
不明白？你急
第二个栗子：我们让铁蛋统计一个县城的男女的资料，最后铁蛋一个人统计可以不，可以挺累的。虎子统计男的。铁蛋统计女的。这样是不是轻松些。效率快。这需要两个reduce，那么三个可以不，可以，一个男，一个女，另外一个只能是空。如果有了，是不是和第一个栗子一样。
reduce数量有mapj计算出来的多少种数据来决定，比如车，就一种，一个reduce。
重点理解：
“相同”的key为一组，调用一次reduce方法，方法内迭代这一组数据进行计算
什么意思呢？
比如一个reduce，我们统计男女，男女是两个key，所有男为一组调用一个reduce，在女为一组调用一个reduce，这一组一组的处理。
两个reduce,一个放男，另外一个就不能为男。破坏了以组为单位的调用reduce。
总结
block > split
1:1 默认
N:1 切片放大
1:N 一条记录一个切片
split > map
1:1 必须
map > reduce
N:1 一个reduce合计
N:N 多种数据
1:1
1:N 一条记录假设1000条，1000条有四组数据。
group(key)>partition
1:1
N:1
N:N
1:N? >违背
partition > outputfile
流程：