当运行 MapReudce 作业时，输入目录必须存在，并且要包含让 MapReduce 处理的文件，还要一个输出目录，必须在运行 MapReduce 作业时设置，该目录如果已经存在对任务也没有影响，MapReude 作业会自动先删除输出目录

MapReduce 作业中的 application master 负责协调运行 MapReudce 作业中的 map 和 reduce 任务，application master 和这些任务一样运行在 YARN 容器中

MapReduce 确保每个 reduce 的输入都是按键排序的，MapReuce 框架中将 map 输出排序后传给 reduce 的过程称为 shuffle

每个 map 任务都有一个环形内存缓冲区用于存储任务输出，一旦缓冲区内容达到阈值，内存缓冲区中的部分数据会溢出到磁盘，如果在数据溢出期间，缓冲区数据存储达到上限，map 任务会被阻塞直到溢出数据写磁盘过程完成