MapReduce程式執行過程

input：讀取程式輸入
		
								預設：讀hdfs上檔案，将檔案拆分為分片split
								500m 	-->4個block 	--> 4個split  --> 将每個split中的每一行轉換為一個keyvalue
									key:行的偏移量
									value:行的内容
		map：将任務進行拆分嗎，啟動多個map task 來處理每個分片
		
							預設:一個分片對應一個map task（線程）
							每個maptask中的每一條去調用一次map方法
							map方法：
									1：對資料進行處理：
													-->對資料進行過濾，合法性判斷
													-->對資料進行格式化
														dd/MM/yyyy:HH:mm:ss	->yyyy-MM-dd HH:mm:ss
													-->資料字段補全
									2：封裝新的key value進行輸出
		shuffle：将map輸出結果按照key進行分組，相同的key的value進行合并
		
													-->對資料進行操作：
														分區，排序，分組
														key,{value1,value2,value3,......}
					reduce：将任務的結果進行合并，啟動reduce task 對shuffle輸出的每條資料進行處理，每一種keyvalue調用一次
					
							reduce方法
							reduce方法：
									1：對每種key的資料進行處理
										eg:求和統計類的操作
									2：封裝結果的keyvakle	
		output：将整個程式的結果進行輸出，預設輸出到hdfs變為檔案


		input輸出：
		
									<0,hbase hive hadoop>
									<20,spark hadoop>
									<40,hadoop hive>
									<60,spark hbase>
									<80,spark hadoop>
		map輸出：
							
									hbase   1
									hive 	1
									hadoop  1
									spark   1
									hadoop	1
									hadoop  1
									hive    1
									spark 	1
									hbase 	1
									spark 	1
									hadoop 	1
		shullef輸出：
		
									hbase	{1,1}
									hive	{1,1}
									hadoop 	{1,1,1,1}
									spark	{1,1,1}
		reduce輸出：
		
									hbase	2
									hive	2
									hadoop 	4
									spark	3
		output輸出：
		
									hbase	2
									hive	2
									hadoop 	4
									spark	3