[大数据]描述 mapReduce 中 shuffle 阶段的工作流程

1）maptask 收集我们的 map()方法输出的 kv 对，放到内存缓冲区中

2）从内存缓冲区不断溢出本地磁盘文件，可能会溢出多个文件

3）多个溢出文件会被合并成大的溢出文件

4）在溢出过程中，及合并的过程中，都要调用 partitioner 进行分区和针对 key 进行排

序

5）reducetask 根据自己的分区号，去各个 maptask 机器上取相应的结果分区数据

6）reducetask 会取到同一个分区的来自不同 maptask 的结果文件，reducetask 会将这些

文件再进行合并（归并排序）

7）合并成大文件后，shuffle 的过程也就结束了，后面进入 reducetask 的逻辑运算过程

（从文件中取出一个一个的键值对 group，调用用户自定义的 reduce()方法）