mapreduce的数据清洗具体过程？？？

对于这个问题

一般来说我们在使用mapreduce进行数据清洗的时候，只是用map端，因为数据的清洗一般

不会涉及到聚合的问题，所以我们经常是设置reduce的个数为0

我想这个问题，问的应该是mapreduce的运行过程吧（个人理解）

mapreduce运行过程如下：   

        mapreduce主要分为5个过程

          input>>map>>shuffle>>reduce>>reduce

    input读取文件，然后把数据转换为key-value的形式输出给map端，

      map端在接收到数据后，

1、把处理过后的数据会送往 环形缓冲区 ，然后在环形缓冲区内，对数据进行分区（注意：

这里的分区是类似一个打标签的操作，标明是哪个reduce的分区）、分区内排序；

   2、 在环形缓冲区达到阈值80%的时候，会开始溢写，形成多个小文件，最后合并这些小

文件，map端的shuffle结束

  3、  接着，map通知appmaster，appmaster去通知reduce任务，来拉去属于自己分区内的数据，

对自己分区内的数据合并，排序

   4、 对相同的key进行分组

   然后reduce端结束，最后将数据写入output