首先将 block 块进行逻辑切片的计算，每个切片（split）对应一个 map 任务 切片是为了将 block 数量和 map 任务数量解耦。 map 读取切片数据，默认按行读取，作为键值对交给 map 方法，其中 key 是当前读取 的行在文件中的字节偏移量，value 就是读取的当前行的内容。 map 开始计算，自定义的逻辑。 map 将输出的 kv 首先写到环形缓冲区，在写之前计算分区号（默认按照 key 的 hash 值对 reducer 的个数取模）
环形缓冲区默认 100MB，阈值 80%，如果写入的 kv 对达到了 80%则发生溢写，溢写的 时候要先对键值对按照分区号进行分区，相同分区按照 key 的字典序排序，溢写到磁盘， 并发生 map 端归并操作。此时如果指定了 combiner，并且溢写的文件数量达到了三个或 三个以上，则按照 combiner 合并数据.当一个 map 任务完成之后，所有的 reducer task 向其发送 http get 请求，下载 它们所属的分区数据。 当所有 map 任务运行结束，开始 reduce 任务
在 reduce 开始之前，根据设定的归并因子，进行多伦的归并操作，非最后一轮的归 并的结果文件被存入到硬盘上，最后一轮归并的结果直接传递给 reduce，reduce 迭代计 算。reduce 计算结束后将结果写到 HDFS 文件中，每一个 reducer task 任务都会在作 业输出路径下产生一个结果文件 part-r-00xxx。同时执行成功时会产生一个空的 _SUCCESS 文件，该文件是一个标识文件。MR1->MR2->MR3
