图文解说MapReduce的全流程

图解版：
一.map阶段

二.reduce阶段

文解版：
1.首先我们有一个待处理的文本ss.txt，大小为200m，假设要对这个文本中的内容进行单词统计。
2.在我们客户端提交之前，获取到待处理文本相关信息，根据block块的大小划分出具体的切片信息（默认集群中的块大小是128m，所以这里将我们的待处理文本ss.txt划分为两个切片分别为0-128m和128-200m）。
3.客户端将切片信息和jar包提交到yarn集群ResourceManager上。
4.ResourceManager将根据切片的个数决定开启多少个MapTask(一个MapTask处理一个切片)。
5.MapTask通过InputFormat(默认使用它的实现类TextInputFormat：将偏移量作为key，将一行数据作为value)来解析key/value对。将key/value对解析到map方法中。
6.在map方法中进行相应的逻辑处理，然后通过outputCollector写出到环形缓冲区。
7.当环形缓冲区数据达到80%以后，将会对数据进行分区、排序处理，然后溢出到文件。
8.可能会有多次溢出，将多次溢出的文件进行归并排序（可以使用Combiner来进行数据的汇总操作，来优化MapReduce减少IO流的传输）。形成一个大的有序文件。为下一阶段的reduc