mapreduce工作流程如下：
1、輸入分片（input split）：在進行map計算之前，mapreduce會根據輸入文件計算輸入分片（input split），每個輸入分片（input split）針對壹個map任務，輸入分片（input split）存儲的並非數據本身。
假如我們設定hdfs的塊的大小是64mb，如果我們輸入有三個文件，大小分別是3mb、65mb和127mb，那麽mapreduce會把3mb文件分為壹個輸入分片（input split），65mb則是兩個輸入分片（input split）而127mb也是兩個輸入分片（input split)。
即我們如果在map計算前做輸入分片調整，例如合並小文件，那麽就會有5個map任務將執行，而且每個map執行的數據大小不均，這個也是mapreduce優化計算的壹個關鍵點。
2、map階段：程序員編寫好的map函數了，因此map函數效率相對好控制，而且壹般map操作都是本地化操作也就是在數據存儲節點上進行。
3、combiner階段：combiner階段是程序員可以選擇的，combiner其實也是壹種reduce操作，因此我們看見WordCount類裏是用reduce進行加載的。
Combiner是壹個本地化的reduce操作，它是map運算的後續操作，主要是在map計算出中間文件前做壹個簡單的合並重復key值的操作。
4、shuffle階段：將map的輸出作為reduce的輸入的過程就是shuffle了。
5、reduce階段：和map函數壹樣也是程序員編寫的，最終結果是存儲在hdfs上的。