Map的結果，會通過partition分發到Reducer上，Reducer做完Reduce操作後，通過OutputFormat，進行輸出，下面我們就來分析參與這個過程的類。
Mapper的結果，可能送到可能的Combiner做合併，Combiner在系統中並沒有自己的基類，而是用Reducer作爲Combiner的基類，他們對外的功能是一樣的，只是使用的位置和使用時的上下文不太一樣而已。
Mapper最終處理的結果對<key, value>，是需要送到Reducer去合併的，合併的時候，有相同key的鍵/值對會送到同一個Reducer那，哪個key到哪個Reducer的分配過程，是由Partitioner規定的，它只有一個方法，輸入是Map的結果對<key, value>和Reducer的數目，輸出則是分配的Reducer（整數編號）。系統缺省的Partitioner是HashPartitioner，它以key的Hash值對Reducer的數目取模，得到對應的Reducer。
Reducer是所有用戶定製Reducer類的基類，和Mapper類似，它也有setup，reduce，cleanup和run方法，其中setup和cleanup含義和Mapper相同，reduce是真正合並Mapper結果的地方，它的輸入是key和這個key對應的所有value的一個迭代器，同時還包括Reducer的上下文。系統中定義了兩個非常簡單的Reducer，IntSumReducer和LongSumReducer，分別用於對整形/長整型的value求和。
Reduce的結果，通過Reducer.Context的方法collect輸出到文件中，和輸入類似，Hadoop引入了OutputFormat。OutputFormat依賴兩個輔助接口：RecordWriter和OutputCommitter，來處理輸出。RecordWriter提供了write方法，用於輸出<key, value>和close方法，用於關閉對應的輸出。OutputCommitter提供了一系列方法，用戶通過實現這些方法，可以定製OutputFormat生存期某些階段需要的特殊操作。我們在TaskInputOutputContext中討論過這些方法（明顯，TaskInputOutputContext是OutputFormat和Reducer間的橋樑）。
OutputFormat和RecordWriter分別對應着InputFormat和RecordReader，系統提供了空輸出NullOutputFormat（什麼結果都不輸出，NullOutputFormat.RecordWriter只是示例，系統中沒有定義），LazyOutputFormat（沒在類圖中出現，不分析），FilterOutputFormat（不分析）和基於文件FileOutputFormat的SequenceFileOutputFormat和TextOutputFormat輸出。
基於文件的輸出FileOutputFormat利用了一些配置項配合工作，包括mapred.output.compress：是否壓縮；mapred.output.compression.codec：壓縮方法；mapred.output.dir：輸出路徑；mapred.work.output.dir：輸出工作路徑。FileOutputFormat還依賴於FileOutputCommitter，通過FileOutputCommitter提供一些和Job，Task相關的臨時文件管理功能。如FileOutputCommitter的setupJob，會在輸出路徑下創建一個名爲_temporary的臨時目錄，cleanupJob則會刪除這個目錄。
SequenceFileOutputFormat輸出和TextOutputFormat輸出分別對應輸入的SequenceFileInputFormat和TextInputFormat，我們就不再詳細分析啦。
更多精彩內容請關注：http://bbs.superwu.cn
關注超人學院微信二維碼：
關注超人學院java免費學習交流羣：
