壹切都是從最上方的user program開始的，user program鏈接了MapReduce庫，實現了最基本的Map函數和Reduce函數。圖中執行的順序都用數字標記了。
1.MapReduce庫先把user program的輸入文件劃分為M份（M為用戶定義），每壹份通常有16MB到64MB，如圖左方所示分成了split0~4；然後使用fork將用戶進程拷貝到集群內其它機器上。
2.user program的副本中有壹個稱為master，其余稱為worker，master是負責調度的，為空閑worker分配作業（Map作業或者Reduce作業），worker的數量也是可以由用戶指定的。
3.被分配了Map作業的worker，開始讀取對應分片的輸入數據，Map作業數量是由M決定的，和split壹壹對應；Map作業從輸入數據中抽取出鍵值對，每壹個鍵值對都作為參數傳遞給map函數，map函數產生的中間鍵值對被緩存在內存中。
4.緩存的中間鍵值對會被定期寫入本地磁盤，而且被分為R個區，R的大小是由用戶定義的，將來每個區會對應壹個Reduce作業；這些中間鍵值對的位置會被通報給master，master負責將信息轉發給Reduce worker。
5.master通知分配了Reduce作業的worker它負責的分區在什麽位置（肯定不止壹個地方，每個Map作業產生的中間鍵值對都可能映射到所有R個不同分區），當Reduce worker把所有它負責的中間鍵值對都讀過來後，先對它們進行排序，使得相同鍵的鍵值對聚集在壹起。因為不同的鍵可能會映射到同壹個分區也就是同壹個Reduce作業（誰讓分區少呢），所以排序是必須的。
6.reduce worker遍歷排序後的中間鍵值對，對於每個唯壹的鍵，都將鍵與關聯的值傳遞給reduce函數，reduce函數產生的輸出會添加到這個分區的輸出文件中。
7.當所有的Map和Reduce作業都完成了，master喚醒正版的user program，MapReduce函數調用返回user program的代碼。
所有執行完畢後，MapReduce輸出放在了R個分區的輸出文件中（分別對應壹個Reduce作業）。用戶通常並不需要合並這R個文件，而是將其作為輸入交給另壹個MapReduce程序處理。整個過程中，輸入數據是來自底層分布式文件系統（GFS）的，中間數據是放在本地文件系統的，最終輸出數據是寫入底層分布式文件系統（GFS）的。而且我們要註意Map/Reduce作業和map/reduce函數的區別：Map作業處理壹個輸入數據的分片，可能需要調用多次map函數來處理每個輸入鍵值對；Reduce作業處理壹個分區的中間鍵值對，期間要對每個不同的鍵調用壹次reduce函數，Reduce作業最終也對應壹個輸出文件。