四 过滤模式 map Only - 作业完成 bloomFilter、top10、去重

   第四部分所有的模式涉及一个共同点： 不会改变原有的记录。 这些模式都是寻找数据子集的， 不管结果集的规模是小(top10)还是大(像去重结果)。 与第三部分差异是，他们通过对数据的相思子端坐概要与分组来得到数据的高层次视图的。 而过滤更关注理解较小的数据。

     简单随机抽样  ：是过滤的一个常见应用，比如提取某字段最高记录，或者随机抽取几条。   抽样可以用来得到 更小的，更具有代表性的数据子集 。 很多机器学习算法在大数据集上运行不够高效，所以需要为提取较小的数据子集 创建新的模式。

         当选取的比例是一个很小值的时候，你会在输出结果中发现大量的小文件，如果遇到这种情况

                        1  可以设置 reduce 数目为1， 并且不指定 reduce 类。 这就是要求 MapReduce 框架使用一个 identity reduce 简单的手机输出并写到一个文件中。