作为CGFT金融科技分析师，对科技也有了解，也要学习一定的大数据，那在学习中对WordCount程序任务了解多少呢？给你说说一下MapReduce过程实际的执行！
① 执行WordCount的用户程序（采用MapReduce编写）,会被系统分发部署到集群中的多台机器上，其中一个机器作为Master,负责协调调度作业的执行，其余机器作为Worker,可以执行Map 或 Reduce 任务。
② 系统分配一部分Worker执行Map任务，一部分Worker执行Reduce任务；MapReduce将输入文件切分成M个分片：Master将M个分片分给处于空闲状态的TV个Worker来处理；
③ 执行Map任务的Worker读取输入数据，执行Map操作，生成一系列＜key，value＞形式的中间结果，并将中间结果保存在内存的缓冲区中。
④ 缓冲区中的中间结果会被定期刷写到本地磁盘上，并被划分为个分区，这7?个分区会被分发给R个执行Reduce任务的Worker进行处理；Master会记录这R个分区在磁盘上的存储位置，并通知R个执行Reduce任务的Worker来“领取”属于自己处理的那些分区的数据。
⑤ 执行Reduce任务的Worker收到Master的通知后，就到相应的Map机器上“领回”属于自己处理的分区，需要注意的是，正如之前在Shuffle过程阐述的那样，可能会有多个Map机器通知某个Reduce机器来领取数据，因此，一个执行Reduce任务的Worker,可能会从多个Map机器上领取数据。当位于所有Map机器上的、属于自己处理的数据，都已经领取回来以后，这个执行Reduce任务的Worker,会对领取到的键值对进行排序（如果内存中放不下需要用到外部排序）,使得具有相同key的键值对聚集在一起，然后就可以开始执行具体的Reduce操作了。
⑥ 执行Reduce任务的Worker遍历中间数据，对每一个* key,执行Reduce函数，结果写人到输出文件中；执行完毕后，唤醒用户程序，返回结果。
