MapReduce是一个分布式运算程序的编程框架，是用户开发"基于Hadoop的数据分析应用"的核心框架
1、分而治之： 简化并计算的编程模式，不需要考虑集群之间的数据交互，只需要注重我们的业务逻辑 2、构建抽象模型：Map和Reduce 3、开发人员专注于实现Mapper和Reduce
优点 1、易于编程 2、可扩展性 3、高容错性 4、高吞吐量：每秒钟处理的数据量 不适用领域 1、难以实时计算 2、不适合流式计算 3、不擅长DAG（有向图）计算
1、MapReduce运算程序一般分为两个阶段：Map阶段和Reduce阶段 2、Map阶段的并发MapTask，完全并行运行，互不相干 3、Reduce阶段的并发ReduceTask，完全互不相干，但是他们的数据依赖于上一阶段的所有MapTask并发实例的输出 4、MapReduce编程模型只能包含一个Map阶段和一个Reduce阶段，如果用户的业务逻辑十分复杂，只能用多个MapReduce程序，串行运行
用户编写的程序分为三个部分：Mapper、Reduce和Driver·
1）用户自定义的Mapper要继承自己的父类 2）Mapper的输入数据是KV对的形式（KV的类型可自定义） 3）Mapper中的业务逻辑写在map()方法中 4）Mapper的输出数据是KV对的形式（KV的类型可自定义） 5）map（）方法（MapTask进行）对每一个<K,V调用一次>
1）用户自定义Reduce要继承自己的父类 2）Reducer的输入数据类型对应Mapper的输出数据类型，也是KV 3）Reduce的业务逻辑写在reduce（）方法中 4）ReduceTask进程对每一组相同K的组调用一次reduce（）方法
1）、获取配置形象，获取job对象实例 2）指定本程序的jar包所在的本地路径 3）管理Mapper/Reduce业务类 4）指定Mapper输出类型的K、V类型 5）指定最终输出的数据的K 、V类型 6）指定文件输入路径和输出路径 7）提交作业
