理解MapReduce
Hadoop的MapReduce过程具有如下形式：
1） map: (K1, V1) => list(K2, V2)
2） reduce: (K2, list(V2)) => list(K3, V3)
我用一个简单的例子说明它表示的含义：
假设待分析的数据文件是一个用户名和密码的表，即"用户名,密码"格式：
========= input.dat=========
zhang,123456
wang,qazxsw
liu,123456
meng,xxx123
hunan,qazxsw
chin,qazxsw
feifei,1008xyz
... ...
==========================
那么我们要求统计出密码使用的次数大于1次的，即最终可以得到下面的结果：
123456=2
qazxsw=3
用MapReduce可以这样做：
第1步：Map
protected void map(LongWritable key, Text value, Context context);
Map的输入(K1, V1)默认是(文件行号，文件行)，即map函数每次得到的输入都是下面的形式：
(key=>K1, value=>V1)
第1次：（0, "zhang,123456"）
第2次：（1, "wang,qazxsw"）
第3次：（2, "liu,123456"）
第4次：（3, "meng,xxx123"）
...
我们需要在map函数的value参数V1中，提取出密码作为输出的K2=>key，而输出的value是1（次数），
表示一个用户使用了这个密码=>K2。
map运行完后得到了下面的结果：list(K2, V2)，即：
K2 （V2）
123456（1）
qazxsw（1）
123456（1）
xxx123（1）
qazxsw（1）
qazxsw（1）
1008xyz（1）
这个输出被系统自动归并为K2=>list(V2)，即：
123456=>（1，1）
qazxsw=>（1，1，1）
xxx123=>（1）
1008xyz=>（1）
这个(K2, list(V2)) 接着作为reduce的输入。
第2步：Reduce
protected void reduce(Text key, Iterable<IntWritable> values, Context context);
reduce函数的输入既然是key=K2, value=list(V2)，那么我们就可以把每个K2下的list(v2)的元素相加，得到下面的结果：
123456=>（2）
qazxsw=>（3）
xxx123=>（1）
1008xyz=>（1）
我们只保留次数大于1的，所以最后的reduce输出为：
123456=>（2）
qazxsw=>（3）
这个就是：list(K3, V3)。这里K3与K2类型一致，V3与V2类型一致。
以上就是Map Reduce的全过程。