前面，讲到了hadoop的序列化机制，mr程序开发，自定义排序，自定义分组。
有多少个reduce的并发任务数可以控制，但有多少个map的并发任务数还没
缓存，分组，排序，转发，这些都是mr的shuffle。
Soga
现在。来观察map阶段有几个yarnchild，reduce阶段有几个yarnchild。对应地，就是有多少个map的并发任务数，有多少个reduce的并发任务数
以上我，查看有多少个map并发任务数
查看map并发任务数之后，进程被回收。
查看reduce并发任务数
Reduce的Task进程被回收
总的来说，
生成个Runjar -> 生成个MRAppMaster（运行map任务） -> 查看map并发任务数 ->
Map的Task进程被回收 ->查看reduce并发任务数 -> Reduce的Task进程被回收 –>
以上是/flow/data
其实啊，前面，讲到了hadoop的序列化机制，mr程序开发，自定义排序，自定义分组。
有多少个reduce的并发任务数可以控制，但有多少个map的并发任务数还没（是在分片中控制的）。
下面，来将在/flow/data中，分片控制map的并发任务数
Soga，原来是如此
缓存，分组，排序，转发，这些都是mr的shuffle。
Soga
以上是weekend110的shufle机制，部分在前面都讲了。
下面是weekend110的mr程序的组件全貌
往数据库、HBase、ftp、hdfs（默认是往hdfs写），文件，，，用户不用管，特推出mr程序的组件------OutputFormat
比如，对于图片，视频，，，这些，InputFormat，就不能了。
可以看到，DBInputFormat是去数据库里读，
可以看到，DBOutputFormat是往数据库里写，
这里，只是想看下InputFormat和OutputFormat
恢复