简单理解，MapReduce计算框架：
把需要计算的东西放入到MapReduce中进行计算，然后返回一个我们期望的结果。
所以首先我们需要一个来源（需要计算的东西）即输入（input），然后MapReduce操作这个输入（input），通过定义好的计算模型，最后得到一个（期望的结果）输出（output）。
在这里我们主要讨论的是MapReduce计算模型：
在运行一个mapreduce计算任务时候，任务过程被分为两个阶段：map阶段和reduce阶段，每个阶段都是用键值对（key/value）作为输入（input）和输出（output）。而程序员要做的就是定义好这两个阶段的函数：map函数和reduce函数。
实例代码 ：
以MapReduce统计单词次数为例（伪代码），主要四个模块来讲解，如上图计算框架：
1、Input，数据读入
// 设置数据输入来源
FileInputFormat.setInputPaths(job, args[0]);
FileInputFormat.setInputDirRecursive(job, true); //递归
job.setInputFormatClass(TextInputFormat.class); //设置输入格式
//TextInputFormat，一种默认的文本输入格式，Mapper一次读取文本中的一行数据。
2、使用Mapper计算
//设置Job的Mapper计算类和K2、V2类型
job.setMapperClass(WordCountMapper.class); //1.设置Mapper类
job.setMapOutputKeyClass(Text.class); //设置Mapper输出Key的类型
job.setMapOutputValueClass(LongWritable.class);//设置Mapper输出Value的类型
//WordCountMapper类
/**
* 自定义的Map 需要继承Mapper
* K1 : 行序号
* V1 : 行信息
* K2 : 单词
* V2 : 次数
*/
public static class WordCountMapper extends Mapper<LongWritable,Text,Text,LongWritable> {
Text k2 = new Text() ;
LongWritable v2 = new LongWritable();
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
//1. 获取行信息
String line = value.toString();
//2. 获取行的所用单词
String[] words = line.split("\t");//这里假设一行文本单词分隔符为"\t"
for (String word : words) {
k2.set(word.getBytes()) ; //设置键
v2.set(1); //设置值
context.write(k2,v2);
}
}
}3、使用Reducer合并计算
//设置Job的Reducer计算类和K3、V3类型
job.setReducerClass(WordCountReducer.class); //自定义的Reducer类
job.setOutputKeyClass(Text.class); //输出Key类型
job.setOutputValueClass(LongWritable.class); //输出Value类型
//WordCountReducer 类
/**
* 自定义的Reduce 需要继承Reducer
* K2 : 字符串
* V3 : 次数（分组）
* K3 : 字符串
* V3 : 次数（统计总的）
*/
public static class WordCountReducer extends Reducer<Text,LongWritable,Text,LongWritable>{
LongWritable v3 = new LongWritable() ;
int sum = 0 ;
@Override
protected void reduce(Text key, Iterable<LongWritable> values, Context context)
throws IOException, InterruptedException {
sum = 0 ;
for (LongWritable value : values) {
sum +=value.get() ;
}
v3.set(sum);
context.write( key , v3 );
}
}4、Output，数据写出
FileOutputFormat.setOutputPath(job, new Path(args[1]));
各个角色实体：
程序运行时过程设计到的一个角色实体
1.1. Client：编写mapreduce程序，配置作业，提交作业的客户端 ；
1.2. ResourceManager：集群中的资源分配管理 ；
1.3. NodeManager：启动和监管各自节点上的计算资源 ；
1.4. ApplicationMaster：每个程序对应一个AM，负责程序的任务调度，本身也是运行在NM的Container中 ；
1.5. HDFS：分布式文件系统，保存作业的数据、配置信息等等。
客户端提交Job
2.1. 客户端编写好Job后，调用Job实例的Submit()或者waitForCompletion()方法提交作业；
2.2. 客户端向ResourceManager请求分配一个Application ID，客户端会对程序的输出、输入路径进行检查，如果没有问题，进行作业输入分片的计算。
Job提交到ResourceManager
3.1. 将作业运行所需要的资源拷贝到HDFS中（jar包、配置文件和计算出来的输入分片信息等）；
3.2. 调用ResourceManager的submitApplication方法将作业提交到ResourceManager。
给作业分配ApplicationMaster
4.1. ResourceManager收到submitApplication方法的调用之后会命令一个NodeManager启动一个Container ；
4.2. 在该NodeManager的Container上启动管理该作业的ApplicationMaster进程。
ApplicationMaster初始化作业
5.1. ApplicationMaster对作业进行初始化操作；
5.2. ApplicationMaster从HDFS中获得输入分片信息(map、reduce任务数)
任务分配
6.1. ApplicationMaster为其每个map和reduce任务向RM请求计算资源；
6.2. map任务优先于reduce任，map数据优先考虑本地化的数据。 任务执行，在 Container 上启动任务（通过YarnChild进程来运行），执行map/reduce任务。 时间先后顺序 输入分片（input split） 每个输入分片会让一个map任务来处理，默认情况下，以HDFS的一个块的大小（默认为128M，可以设置（错了，默认的是64M，不是128M））为一个分片。map输出的结果会暂且放在一个环形内存缓冲区中（默认mapreduce.task.io.sort.mb=100M）,当该缓冲区快要溢出时（默认mapreduce.map.sort.spill.percent=0.8）,会在本地文件系统中创建一个溢出文件，将该缓冲区中的数据写入这个文件； map阶段：由我们自己编写，最后调用 context.write(…)；
partition分区阶段
3.1. 在map中调用 context.write(k2,v2)方法输出，该方法会立刻调用 Partitioner类对数据进行分区，一个分区对应一个 reduce task。
3.2. 默认的分区实现类是 HashPartitioner ，根据k2的哈希值 % numReduceTasks，可能出现“数据倾斜”现象。
3.3. 可以自定义 partition ，调用 job.setPartitioner(…)自己定义分区函数。
combiner合并阶段：将属于同一个reduce处理的输出结果进行合并操作
4.1. 是可选的；
4.2. 目的有三个：
1.减少Key-Value对；
2.减少网络传输；
3.减少Reduce的处理。
shuffle阶段：即Map和Reduce中间的这个过程
5.1. 首先 map 在做输出时候会在内存里开启一个环形内存缓冲区，专门用来做输出，同时map还会启动一个守护线程；
5.2. 如缓冲区的内存达到了阈值的80%，守护线程就会把内容写到磁盘上，这个过程叫spill，另外的20%内存可以继续写入要写进磁盘的数据；
5.3. 写入磁盘和写入内存操作是互不干扰的，如果缓存区被撑满了，那么map就会阻塞写入内存的操作，让写入磁盘操作完成后再继续执行写入内存操作;
5.4. 写入磁盘时会有个排序操作，如果定义了combiner函数，那么排序前还会执行combiner操作；
5.5. 每次spill操作也就是写入磁盘操作时候就会写一个溢出文件，也就是说在做map输出有几次spill就会产生多少个溢出文件，等map输出全部做完后，map会合并这些输出文件，这个过程里还会有一个Partitioner操作（如上）
5.6. 最后 reduce 就是合并map输出文件，Partitioner会找到对应的map输出文件，然后进行复制操作，复制操作时reduce会开启几个复制线程，这些线程默认个数是5个（可修改），这个复制过程和map写入磁盘过程类似，也有阈值和内存大小，阈值一样可以在配置文件里配置，而内存大小是直接使用reduce的tasktracker的内存大小，复制时候reduce还会进行排序操作和合并文件操作，这些操作完了就会进行reduce计算了。 reduce阶段：由我们自己编写，最终结果存储在hdfs上的。
参考 ：
https://blog.csdn.net/yuxin6866/article/details/55211608
https://github.com/kite-sdk/kite/wiki/Hadoop-MapReduce-Tutorial
http://www.cnblogs.com/sharpxiajun/p/3151395.html
http://blog.csdn.net/qq1010885678/article/details/51337323
http://blog.csdn.net/u014313009/article/details/38072269 （Shuffle阶段讲的很好）