Hadoop之MapReduce框架的处理过程以及实现集群运行的三种方式

1.在没有使用MapReduce框架之前，想要在集群上分布式运行Key-Value等任务的时候，代码特别冗余，会进行不断地连接、在HDFS上读取数据，特别不方便，所以MapReduce框架就将这些准备工作替我们做了

2.结合经典的词频统计代码说一下自己理解的Map(看详细注释)
Map就是由框架读出来数据，根据你自己的需求去处理数据，不用管有几个虚拟机给你运行等一系列不必要的代码，只需要简单的配置一下，直接写出你的核心代码就OK

// KEYIN ：是map task读取到的数据的key的类型，是一行的起始偏移量Long
 * VALUEIN:是map task读取到的数据的value的类型，是一行的内容String
 * 
 * KEYOUT：是用户的自定义map方法要返回的结果kv数据的key的类型，在wordcount逻辑中，我们需要返回的是单词String
 * VALUEOUT:是用户的自定义map方法要返回的结果kv数据的value的类型，在wordcount逻辑中，我们需要返回的是整数Integer
 * 
 * 
 * 但是，在mapreduce中，map产生的数据需要传输给reduce，需要进行序列化和反序列化，而jdk中的原生序列化机制产生的数据量比较冗余，就会导致数据在mapreduce运行过程中传输效率低下
 * 所以，hadoop专门设计了自己的序列化机制，那么，mapreduce中传输的数据类型就必须实现hadoop自己的序列化接口
 * 
 * hadoop为jdk中的常用基本类型Long String Integer Float等数据类型封住了自己的实现了hadoop序列化接口的类型：LongWritable,Text,IntWritable,FloatWritable
 * 
 * 
public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
   
    @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {

        String string = value.toString();
        String[] words = string.split(" ");//value是读的每一行的数据，利用数据去处理自己想要的结果，我这个呢就是分离出来的每一个词赋值为1
        for (String word : words) {

            context.write(new Text(word), new IntWritable(1));
        }
    }

}

3.Reduce

Reduce当然也是省略掉一系列不必要的操作，将Map传过来的数据直接根据自己的需求处理就好

//四个参数为Map传下来的key和value
           Reduce传出去的key和value
     public class WordcountReducer extends