怎么理解 MapReduce 过程的各个阶段？

整个 MapReduce 过程可以分为数据输入阶段、Map 阶段、中间结果处理阶段（包括Combiner 阶段和 Shuffle 阶段）、Reduce 阶段及数据输出阶段。

（1）数据输入阶段：将待处理的数据输入 MapReduce 系统。

（2）Map 阶段：map() 函数中的参数会以键值对的形式进行输入，经过 map() 函数的一系列并行处理后，将产生的中间结果输出到本地磁盘。

（3）中间结果处理阶段：这个阶段又包含 Combiner 阶段和 Shuffle 阶段，对 map() 函数输出的中间结果按照键进行排序和聚合等一系列操作，并将键相同的数据输入相同的reduce() 函数中进行处理（也可以根据实际情况指定数据的分发规则）。

（4）Reduce 阶段：reduce() 函数的输入参数是以键和对应值的集合形式输入的，经过reduce() 函数处理后，产生一系列键值对形式的最终结果数据，并输出到 HDFS 中。

（5）数据输出阶段：数据从 MapReduce 系统输出到 HDFS。

以上内容摘自《海量数据处理与大数据技术实战》电子书，点击https://developer.aliyun.com/topic/download?id=8205可下载完整版