hadoop的map reduce
这个根据功能模块分为几个组：
[Job描述组，包含Job,上下文,ID,Counter]
JobContext
A read-only view of the job that is provided to the tasks while they are running.
Job
/**
* The job submitter's view of the Job. It allows the user to configure the
* job, submit it, control its execution, and query the state. The set methods
* only work until the job is submitted, afterwards they will throw an
* IllegalStateException.
*/
JobID
例如：'job_200707121733_0003'由三部分组成。
固定前缀job
jobtracker的启动时间
job的编号
不要使用string作为id，用类型，这个是个好的编程方案。
TaskID
task_200707121733_0003_m_000005
task+jobid+(map or reduce)+number
TaskAttemptID
attempt_200707121733_0003_m_000005_0
attempt+taskid+number
ReduceContext
面向字节流依次处理key-value对。
Counter
对性能的追求，name和displayName相同时只存储一次。
CounterGroup
Counter的分组合并。
不序列化name属性。
Counters
提供Enum的cache，CounterGroup的name序列化在这里进行。
[Input Output组]
InputFormat
划分InputSplit,创建RecordReader。
InputSplit
byte-oriented view
RecordReader
record-oriented view
FileInputFormat
文件inputFormat的父类。
TextInputFormat
LineRecordReader
如果Split跨block怎么办。
FileSplit
OutputFormat RecordWriter OutputCommitter
[核心框架组]
Mapper
太核心的概念。
可以覆盖run方法，run方法提供默认map核心执行框架。
可以参考多线程mapper。
提供了几个默认的实现，在我们开发Mapper时可以参考。
反向Mapper(颠倒key-value对)。
单词计数Mapper。
多线程Mapper。
Partitioner
Partitions the key space.
提供了一个默认实现。根据key的hashCode划分。
Reducer
Shuffle,Sort,SecondarySort,Reduce.
提供了2个默认实现，都是对key的计数加和。
