mapreduce程式設計模型核心為將資料運算流程分為兩個階段：

    拆分，讀取原始資料，形成key-value資料（map方法）；

    聚合，將相同key的資料聚合到一組（reduce方法）。

maptask:

    讀資料：讀取源資料，maptask獲取分片資料資訊（型別有：TextInputFormat,文字檔案；SequenceFileInputFormat,序列化檔案；DBInputFomrat,資料庫檔案）， 形成key-value資料；

    邏輯處理：通過迴圈呼叫Mapper類的map方法讀取每行資料進行處理；

    分割槽：通過Partitioner類的getPartition()方法對資料進行分割槽（預設執行HashPartitioner,分發規則：(key的hashcode值&Integer.MAX_VALUE)%numReducetTasks），分割槽規則註明分割槽號相同的資料會被分發給同一reducetask（只要按照規則就會返回相同的分割槽號）；

    排序：將資料通過key的compareTo()方法比較排序(預設是普通的字典排序)；

reducetask:

    讀資料：reducetask會通過http方式下載各自處理的“區”的資料到本地磁碟，併合並排序，執行預設的GroupingComparator確定資料key相同的為同一組(我們在自定義的時候寫一個類A繼承WritableComparator，根據需求重寫compare()方法，因為要從磁碟上讀取資料，那麼需要反序列化，需要在A的建構函式中告知WritableComparator反序列化的型別，否則會出錯)；；

    處理資料：reducetask把相同key的資料值聚合到Reducer類，按照reduce()方法處理邏輯，輸出資料（輸出型別：TextOutputFomat，檔案型別；SequenceFileOutputFomrat,序列化檔案；DBOutputFomrat,資料庫資料檔案）;