1、Map-Reduce 的逻辑过程 假设我们需要处理一批有关天气的数据，其格式如下： •按 照 ASCII 码 存 储 ，每 行 一条 记 录 •每 一行 字 符 从 0 开 始 计 数，第 15 个 到 第 18 个 字 符 为 年 •第 25 个 到 第 29 个 字 符 为 温 度 ，其中 第 25 位 是 符 号 +/- 我们现 在 需要统 计 出 每 年 的最 高 温 度 。 Map-Reduce 主 要包 括 两 个 步 骤 ：Map 和 Reduce 每 一步 都 有key-value 对 作 为 输 入 和 输 出 ： •map 阶 段 的key-value 对 的格式是 由 输 入 的格式所 决 定 的，如果 是默 认 的TextInputFormat，则 每 行 作 为 一个 记 录 进 程处理，其中key为 此 行 的开 头 相 对 于 文 件 的起 始 位 置 ，value 就 是 此 行 的字 符 文 本 •map 阶 段 的输 出 的key-value 对 的格式必 须 同reduce 阶 段 的输 入key-value 对 的格式相 对 应 对 于 上 面 的例 子 ，在 map 过程，输 入 的key-value 对 如下： 在map 过程中，通过对每一行字符串的解析，得到年-温度的key-value 对作为输出： 在reduce 过程，将 map 过程中的输出，按照相同的 key 将 value 放到同一个列表中作为 reduce 的输入 在reduce 过程中，在列表中选择出最大的温度，将年-最大温度的key-value 作为输出： 其逻辑过程可用如下图表示： 2、编写 Map-Reduce 程序 编写 Map-Reduce 程序，一般需要实现两个函数：mapper 中的 map 函数和 reducer 中的 reduce 函数。 一般遵循以下格式： 注：Reporter： Reporter 是用于 Map/Reduce 应用程序报告进度（心跳），设定应用级别的状态消息， 更新 Counters（计数器）的机制。 OutputCollector： OutputCollector 是一个Map/Reduce 框架提供的用于收集 Mapper或Reducer 输出数据的通用机制 （包括中间输出结果和作业的输出结果）。 对于上面的例子，则实现的mapper 如下： 实现的reducer 如下： 注：代码中 LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类，这些类都能够被串行化从而便于在分布式环境中进行数据交换，你可以将它们分别视为 long, int, String 的替代品 欲运行上面实现的Mapper 和Reduce，则需要生成一个Map-Re...
