一、MR的shuffle流程。
1、什么是shuffle：mapreduce 主要分为map阶段和reduce阶段，map阶段主要是将从源加载过来的数据，转换为key value键值对。reduce阶段就是并行处理具有相同key的键值对，将其进行聚合处理，输出新的键值对作为结果。而为了保证reduce可以并行的处理map的结果，必须对map的输出结果进行一定的排序和分区，然后再传输至reduce上，这个过程就是shuffle。
2、shuffle过程：shuffle过程主要包括两个阶段，map shuffle和reduce shuffle。
（1）map shuffle：主要包括：分区、排序、分割、合并这些流程。首先，每个节点的map任务内部维护一个环形内存缓冲区，用来存储map任务的输出，默认100M。map任务产生的数据会先写进缓冲区当中，当数据达到缓冲区的阈值时，会将缓冲区中的数据溢出至本地磁盘，作为spill溢出文件。而在缓冲区溢出数据之前，会根据reduce的任务数量将缓冲区数据进行分区，并且在每个分区中是按照key进行排序的（快排）。
默认是使用HashPartitioner来分区，也可以自定义分区器进行分区。
若有combiner函数，这个函数则会在每个map分区排序后的输出结果上运行，用于将每次溢写出来的文件进行分区合并和归并排序。从而使map输出结果更加紧凑。combinner函数是对不同批次溢写出来的结果进行分区合并和分区内归并排序。(上方图)
https://blog.csdn.net/qq_35688140/article/details/84111972
---------map方法之后，数据进入分区方法，将数据标记好分区。数据先写进缓冲区，达到阈值后，进行溢写，溢写前在缓冲区中先按照key进行分区，并且每个分区内会按照key进行快排。溢写后产生大量溢写文件，若有combiner函数，则会对不同批次的溢写文件进行归并排序。最后将文件按照分区存储到磁盘。等待reduce端拉取。
注：
（2）reduce shuffle：主要包括：复制和合并两个阶段。reduce开启复制线程从map中复制数据，其中reduce可能会从多个map中复制数据，复制自己处理的分区数据，因此一旦有一个map任务完成，就开始进行复制。数据小就保存在内存，数据量大就溢出到磁盘，最后进行归并排序合并这些文件。
---------每个reduce去map中拉取对应分区的数据，每个map任务都会有数据，数据先存进缓存，缓存达到阈值了再存到磁盘，拉取完所有数据后，采用归并排序将内存和磁盘中的数据都进行排序。在进入 Reduce 方法前，可以对数据进行分组操作。
二、MapReduce过程中可能发生多少次排序：
总共可能发生 4 次排序过程：
1）Map 阶段：
环形缓冲区：对 key按照字典排序。排序手段：快速排序（能够手写快排）
溢写到磁盘中：对多个溢写的文件进行排序。排序手段：分区归并排序（能够手写归并）
2）Reduce 阶段：
按指定分区读取到 reduce缓存中（不够落盘）：归并排序
Reduce task前分组排序：自定义