Hadoop的一般性MapReduce计算有几个步骤，哪个步骤最花费时间？
（1）input 分片，在集群中拷贝文件到相应节点
（2）map tasks
map worker调用map函数，并将map函数结果缓存到内存中，定期写入到磁盘
（3）reduce tasks 通过master的位置通知，得到map worker写入磁盘的位置，去读取数据并进行reduce工作，执行reduce函数
（4）output 每个reduce节点会生成一个由用户指定名字的输出文件
MapReduce执行的动作
1.在用户程序里的MapReduce库首先分割输入文件成M个片，每个片的大小一般从16到64MB。然后在机群中开始大量地拷贝程序
2.这些程序拷贝中的一个是master，其他的都是由 master分配任务的worker。有M个map任务和R个reduce任务将被分配。master分配一个map任务或reduce任务给一个空闲的worker。
3.一个被分配了map任务的worker读取相关输入split的内容。它从输入数据中分析出key/value对，然后把key/value对传递给用户自定义的map函数。由map函数产生的中间key/value对被缓存在内存中。
4.缓存在内存中的key/value对被周期性地写入到本地磁盘上，通过分割函数把它们写入R个区域。在本地磁盘上的缓存对的位置被传送给master，master负责把这些位置传送给reduce worker。
5.当一个reduce worker得到master的位置通知的时候，它使用远程过程调用来从map worker的磁盘上读取缓存的数据。当reduce worker读取了所有的中间数据后、它通过排序使具有相同key的内容聚合在一起。因为许多不同的key映射到相同的reduce任务，所以排序是必须的。如果中间数据比内存还大，那么还需要一个外部排序。
6.reduce worker迭代排过序的中间数据，对于遇到的每一个唯一的中间key,它把key和相关的中间value集传递给用户自定义的reduce函数。reduce函数的输出被添加到这个reduce分割的最终输出文件中。
7.当所有的map和reduce任务执行完成了，master唤醒用户程序。在这个时候，在用户程序里的MapReduce调用返回到用户代码。
在成功完成之后，mapreduce执行的输出存放在R个输出文件中(每一个reduce任务产生一个由用户指定名字的文件)。一般，用户不需要合并这R个输出文件成一个文件——他们经常把这些文件当作一个输入传递给其他的MapReduce调用，或者在可以处理多个分割文件的分布式应用中使用他们。
下图中描述了mapreduce的过程：
