请说下MR中Map Task的⼯作机制

1. 读取数据组件 InputFormat (默认 TextInputFormat) 会通过 getSplits ⽅法对输⼊⽬录中的⽂件进⾏逻辑切⽚规划得到 block，有多少个 block就对应启动多少个 MapTask。
2. 将输⼊⽂件切分为 block 之后，由 RecordReader 对象 (默认是LineRecordReader) 进⾏读取，以 \n 作为分隔符, 读取⼀⾏数据, 返回 <key，value>， Key 表示每⾏⾸字符偏移值，Value 表示这⼀⾏⽂本内容。
3. 读取 block 返回 <key,value>, 进⼊⽤户⾃⼰继承的 Mapper 类中，执⾏⽤户重写的map 函数，RecordReader 读取⼀⾏这⾥调⽤⼀次。
4. Mapper 逻辑结束之后，将 Mapper 的每条结果通过 context.write 进⾏collect数据收集。在 collect 中，会先对其进⾏分区处理，默认使⽤ HashPartitioner。
5. 接下来，会将数据写⼊内存，内存中这⽚区域叫做环形缓冲区(默认100M)，缓冲区的作⽤是 批量收集 Mapper 结果，减少磁盘 IO 的影响。我们的 Key/Value 对以及 Partition 的结果都会被写⼊缓冲区。当然，写⼊之前，Key 与 Value 值都会被序列化成字节数组 。
6. 当环形缓冲区的数据达到溢写⽐列(默认0.8)，也就是80M时，溢写线程启动， 需要对这80MB 空间内的 Key 做排序 (Sort) 。排序是 MapReduce 模型默认的⾏为，这⾥的排序也是对序列化的字节做的排序。
7. 合并溢写⽂件，每次溢写会在磁盘上⽣成⼀个临时⽂件 (写之前判断是否有 Combiner)，如果 Mapper 的输出结果真的很⼤，有多次这样的溢写发⽣，磁盘上相应的就会有多个临时⽂件存在。当整个数据处理结束之后开始对磁盘中的临时⽂件进⾏ Merge 合并，因为最终的⽂件只有⼀个写⼊磁盘，并且为这个⽂件提供了⼀个索引⽂件，以记录每个reduce对应数据的偏移量。