【摘要】：下面，以求东三省2016年5月16日14时每个省份的平均气温为例，对Map任务和Reduce任务进行形象的阐述。图7-5Map输出图7-6Shuffle输出将从Shuffle任务中获得的Key，List＜Value＞数据作为Reduce任务的输入数据，如图7-7所示。图7-8Reduce输出总结一下，MapReduce对数据的重塑过程：Map输入＜K1，V1＞→Map输出＜K2，V2＞。
下面，以求东三省2016年5月16日14时每个省份的平均气温为例（为使问题简化，每个省只列举3个城市），对Map任务和Reduce任务进行形象的阐述。
（1）在Map阶段输入＜Key，Value＞数据，其中Key为城市的名称，Value为所属省份，城市平均气温，如图7-4所示。
图7-4 Map输入
（2）Map按省份将气温重新分组输出（排除城市名称），那么省份作为Key时，气温将作为Value，如图7-5所示。
（3）使用Map的Shuffle功能，分组输出省份Key，并得到该省的气温列表List＜Value＞，如图7-6所示。
图7-5 Map输出
图7-6 Shuffle输出(www.xing528.com)
（4）将从Shuffle任务中获得的Key，List＜Value＞数据作为Reduce任务的输入数据，如图7-7所示。
图7-7 Reduce输入
（5）Reduce任务是数据逻辑的完成者，在这里就是计算各省份的平均温度，如图7-8所示。
图7-8 Reduce输出
总结一下，MapReduce对数据的重塑过程：
（1）Map输入＜K1，V1＞→Map输出＜K2，V2＞。
（2）Shuffle输出＜K2，ListV2＞。
（3）Reduce输入＜K2，List＜V2＞＞→Reduce输出＜K3，V3＞。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
