mapreduce在程式設計的時候，基本上一個固化的模式，沒有太多可靈活改變的地方，除了以下幾處：

1 輸入資料介面：InputFormat

FileInputFormat(檔案型別資料讀取的通用抽象類) DBInputFormat （資料庫資料讀取的通用抽象類）
預設使用的實現類是： TextInputFormat job.setInputFormatClass(TextInputFormat.class)
TextInputFormat的功能邏輯是：一次讀一行文字，然後將該行的起始偏移量作為key，行內容作為value返回

2、邏輯處理介面： Mapper

完全需要使用者自己去實現其中 map() setup() clean()

3.map輸出的結果在shuffle階段會被partition以及sort，此處有兩個介面可自定義：

Partitioner
有預設實現 HashPartitioner，邏輯是 根據key和numReduces來返回一個分割槽號； key.hashCode()&Integer.MAXVALUE % numReduces

Comparable
當我們用自定義的物件作為key來輸出時，就必須要實現WritableComparable介面，override其中的compareTo()方法

4. reduce端的資料分組比較介面 : Groupingcomparator

reduceTask拿到輸入資料（一個partition的所有資料）後，首先需要對資料進行分組，其分組的預設原則是key相同，然後對每一組kv資料呼叫一次reduce()方法，並且將這一組kv中的第一個kv的key作為引數傳給reduce的key，將這一組資料的value的迭代器傳給reduce()的values引數

利用上述這個機制，我們可以實現一個高效的分組取最大值的邏輯：
自定義一個bean物件用來封裝我們的資料，然後改寫其compareTo方法產生倒序排序的效果
然後自定義一個Groupingcomparator，將bean物件的分組邏輯改成按照我們的業務分組id來分組（比如訂單號）
這樣，我們要取的最大值就是reduce()方法中傳進來key

5、邏輯處理介面：Reducer

完全需要使用者自己去實現其中 reduce() setup() clean()

6. 輸出資料介面： OutputFormat

有一系列子類 FileOutputformat DBoutputFormat …

預設實現類是TextOutputFormat，功能邏輯是： 將每一個KV對向目標文字檔案中輸出為一行