Map-Reduce框架的运作完全基于<key,value>对，即数据的输入是一批<key,value>对，生成的结果也是一批<key,value>对，只是有时候它们的类型不一样而已。Key和value的类由于需要支持被序列化（serialize）操作，所以它们必须要实现Writable接口，而且key的类还必须实现WritableComparable接口，使得可以让框架对数据集的执行排序操作。
一个Map-Reduce任务的执行过程以及数据输入输出的类型如下所示：
(input)<k1,v1> -> map -> <k2,v2> -> combine -> <k2,v2> -> reduce -> <k3,v3>(output)
下面通过一个的例子并结合源代码来详细说明这个过程
这也是Hadoop自带的一个例子，目标是统计文本文件中单词的个数。
假设有如下的两个文本文件来运行WorkCount程序：
Hello Hadoop GoodBye Hadoop
|
Hadoop针对文本文件缺省使用LineRecordReader类来实现读取，一行一个key/value对，key取偏移量，value为行内容。
如下是map1的输入数据：
|
Key1
|
Value1
|
|
0
|
Hello World Bye World
|
如下是map2的输入数据：
|
Key1
|
Value1
|
|
0
|
Hello Hadoop GoodBye Hadoop
|
3.3 map输出/combine输入
如下是map1的输出结果
|
Key2
|
Value2
|
|
Hello
|
1
|
|
World
|
1
|
|
Bye
|
1
|
|
World
|
1
|
如下是map2的输出结果
|
Key2
|
Value2
|
|
Hello
|
1
|
|
Hadoop
|
1
|
|
GoodBye
|
1
|
|
Hadoop
|
1
|
Combiner类实现将相同key的值合并起来，它也是一个Reducer的实现。
如下是combine1的输出
|
Key2
|
Value2
|
|
Hello
|
1
|
|
World
|
2
|
|
Bye
|
1
|
如下是combine2的输出
|
Key2
|
Value2
|
|
Hello
|
1
|
|
Hadoop
|
2
|
|
GoodBye
|
1
|
Reducer类实现将相同key的值合并起来。
如下是reduce的输出
|
Key2
|
Value2
|
|
Hello
|
2
|
|
World
|
2
|
|
Bye
|
1
|
|
Hadoop
|
2
|
|
GoodBye
|
1
|
即实现了WordCount的处理。
未完待续
Annotated Hadoop 作者：naven 日期：2007-12-29