Mapreduce：
编程模型，适用于分布式计算
Map： 映射 预处理
Reduce: 化简 聚合
shuffle： 网络间分发
combiner： Map端的reduce
partitioner： 分区，默认hash分区
combiner：
适合最大值，最小值
平均值不适用
文件格式和切片的关系：
MR的job提交流程：
1、计算Map数和文件切片：
Map运行的基本单位，切片数=map数
FileInputFormat中getSplits方法：
minSize：1
maxSize：Long.Max_VALUE
确定文件夹下面的所有文件并进行迭代(listStatus方法)
判断文件是否可切割：
1、默认文本文件格式TextInputFormat
2、通过文件后缀的判断，得到文件的压缩编解码器(bzip2可切割)
3、如果文件可切割：
选择(minSize,blockSize,maxSize)中的中间值作为切片大小 ///重点切片算法
2、使用LocalJobRunner的submitJob方法，真正开始提交作业
3、开始Map作业提交：
ExecutorService mapService = createMapExecutor();
runTasks(mapRunnables, mapService, "map"); //执行MapTaskRunnables对象的run函数
//map中除了partition、combiner还有sort阶段
使用maptask的runNewMapper方法开始正式的map阶段
1、根据自定义map类名，获得自定义map对象
2、调用Mapper的run函数来运行用户自定义的map方法
//设置相关变量或者参数，一个map只调用一次
setup(context);
try {
while (context.nextKeyValue()) {
//使用while循环调用自定义map的方法
map(context.getCurrentKey(), context.getCurrentValue(), context);
}
} finally {
//清理过程，包括清理一些没用的k-v
cleanup(context);
}
Spill：溢出 //当map中的数据超出内存空间的80%，超出的数据就会被本地化
map端的输出称为ifile：key-len, value-len, key, value
shuffle在调用的时候对ifile进行处理
4、通过shuffle进行网络间分发，reduce的调用过程类似于map过程
5、细节：FileInputFormat ====> RecordReader ==>
map ===> partition ===> sort ===> combiner ===> shuffle ====> reduce
RecordWriter ====> FileOutputFormat
FileInputFormat：
TextInputFormat =====> createRecordReader ====> LineRecordReader //负责处理文件，定义以行为单位读取和文件类型为UTF-8
通过LineReader中的readDefaultLine来读行
CR //carriage return 回车
LF //line feed 换行
CRLF // 回车换行
/* We're reading data from in, but the head of the stream may be
流的头部可能已经被buffer所缓存
1. 缓冲区中没有换行符，我们需要拷贝所有然后读取另一个缓冲区
2. 在buffer中含有明确的换行符，只需要拷贝即可
3. 在buffer中没有明确的换行符, 比如buffer以回车作为末尾.
我们拷贝内容到回车符为止到字符串中，我们需要观察什么在回车符之后
1)回车符后有换行符，将CR和LF作为一个整体，作为一个整行结尾
2)回车符后没有换行符，用flag来标记，如果恰好在buffer最后，需要观察下一个buffer的字符
