1.1 任务的执行
1.1.1 任务执行环境
Map和reduce的任务会有一些属性，创建任务时传入，可以通过任务的函数（旧版configure（）函数）或者对象方法获取这些属性。
1.1.2 推测执行
一个作业被分解为多个任务，并发的执行多个任务，提高速度，但是如果某个任务执行的慢就会拖后腿，所以检测到执行慢的任务，就会另起一个系相同的任务作为备份，这就是任务的推测执行。哪一个先执行成功，另外一个会被终止。这种方法不能避免软件本身的缺陷。推测执行会占用额外的资源，影响整体的吞吐量。任意重复的reduce任务，必须获取所有map输出，这会增大网络传输。所以也会关闭推测执行，根据特别作业开启该功能。
1.1.3 outputCommiters提交协议
提交协议用来确保作业和任务都完成成功或失败，旧版本通过jobconf的setOutputCommitter()或配置中的mapred.output.committter.class来设置。新版本中由OutputFormat通过getOutputCommitter()方法确定，默认值是FileOutputCommitter。可以重新实现OutputCommitter虚拟类，来做一些特殊的设置或清理。
Setupjob()初始化方法，作业运行前调用，设置输出目录（mapreduce.output.fileoutformat.outputdir），建立临时的工作空间_trmporary。这些目录在写任务输出时才被创建。
Commitjob()作业成功提交方法，将输出结果移动到最后的输出路径（mapreduce.output.fileoutputformat.outputdir）删除临时的工作空间，并且在输出目录中创建_success隐藏的标志文件。
Abortjob()终止任务方法，意味着作业失败或终止，也会删除作业的临时工作空间。推测任务中，一个任务成功，其它相同的推测任务取消。
needTaskCommit()判断是否需要提交任务，例如当一个任务没有任何输出，则不必运行分布提交协议，直接跳过提交阶段。
任务附属文件，每个任务有一个任务附属文件，任务的输出结果先写入附属文件，提交任务时，才将附属文件输出到输出目录（mapreduce.task.output.dir），失败的任务，附属文件删除。OutputCommitter协议避免了同一个任务的多个实例向同一输出目录输出文件。
自己开发了一个股票智能分析软件，功能很强大，需要的点击下面的链接获取：