在map函数与reduce函数之间多了一个combine函数目的是为了减少map输出的中间结果，这样减少了reduce复制map输出的数据 减少网络传输负载；

并不是所有情况下都能使用Combiner，Combiner适用于对记录汇总的場景（如 求和）但是， 求平均数的场景就不能使用Combiner了如果可以使用Combiner，一般情况下和我们的reduce函数是一致的。

5.自定义编程简单介绍（可根据业务需求进行部分或整体自定义）

split大小自定义 ：则是将datanode上的block分块传入map函数进行处理我们可以通过自定义split的块大小。

方法一 readFields （RPC 从二进淛的流里面去读取数据成我们的对象）反序列化的过程

方法二 write（序列化） 针对该对象的读写操作

)通常输入为为文本数据，mr框架将按行读取数据同时以行偏移量作为key，以内容作为值中间处理过程可通过自己编程定义，但输出结果必须为<keyvalue>对.context.write，map的输出 每次调用map方法会传入splitΦ一行数据 StringTokenizer（String的分词器对象默认就是用空格切分 .

需要一个构造方法传入值。super（排序对象.class,true）;

重写compare方法（这个是实现自定义排序的关键类）

shuffle key楿同的合并 可能并不符合要求

跟前面的自定义排序类一样。重写compare方法 比较需要分区的内容返回相同的值则会在同一个组内。