實現目標：
在對文檔進行單詞詞頻計算的同時，對輸出結果按單詞的詞頻進行排序
設計思路：
用一個並行計算任務顯然是無法同時完成單詞詞頻統計和排序的。爲什麼無法同時完成呢？
想一下單詞詞頻統計任務的MapReduce過程：
在Map階段，Mapper將作爲輸入的n個文檔分割爲對應的n（或n個以上）個InputSplits，每個InputSplits分配給一個Mapper--> 調用RecordReader將每個InputSplits的每行解析成一個<key,value>對，key爲行號，value爲每行的內容--> 調用用戶填寫的map()函數，對每個<key,value>進行處理（相當於對文檔中的每一行進行處理），把value轉換爲字符串，根據空格或其他字符進行切割，對每個切割好的單詞形成<key,value>對，key爲該單詞，value爲1，輸出到OutputCollector（Hadoop框架提供，專門用來負責收集Mapper和Reducer的輸出結果）中-->若定義了combiner，將該Mapper的所有結果按key值（即單詞）排序，把相同key值合併，作爲Mapper最終的輸出結果輸出；
Partition根據Mapper的輸出將所有key值相同的分配到一個Reducer；
Reducer階段：對接收到的數據排序，按key值排序--> 調用用戶輸入的reduce()函數，合併相同key值得value然後輸出。過程如下圖所示：
上述過程中，在Mapper和Reducer階段都有按key值（單詞）排序的過程，所以在一個job中，要同時完成單詞詞頻統計和按value值排序輸出是不可能的，因爲排好序後還是會被Mapper和Reducer中的排序過程打亂。
疑問：Partition分配數據時，相同key值得分配到一個Reducer中，有沒大小限制？如果相同key值得數據很大很大呢？會不會分配到兩個Reducer？所有相同key值得分配到一個Reducer，但一個Reducer中也可能有其他不同key值的？否則實驗時得結果說不過去。
爲了實現目標，可以分爲兩個job順序執行，可以利用Hadoop的任務管道能力，用上一個任務（單詞詞頻統計任務）的輸出作爲下一個任務（排序）的輸入，順序執行兩個並行計算任務。
只需要利用Hadoop自身的排序過程既可以完成排序，問題是Hadoop是根據key值（單詞）進行排序的，而我們需要以詞頻次數，即value值進行排序，所以可以直接使用InverseMapper類，該類的任務就是簡單的將key和value值對調，所以只要在第二個job任務中將Mapper類設置爲InverseMapper（已經實現好的）即可：
sortJob.setMapperClass(InverseMapper.class);
無需指定Reducer類，Hadoop會使用默認的IdentityReducer類，直接輸出中間結果；