Map端
Map執行完，開始輸出，也就是寫入到環形內存緩衝區，輸出時按照輸出的key進行分區（Partition，分區方式默認按照key的hash值對reducer個數取模）。數據在環形內存緩衝區，超過閾值（默認100MB，可mapreduce.task.io.sort.mb來設定，是指一個task的，整個工作叫job，單獨的map和reduce叫task，超過閾值表示超過80%，可mapreduce.map.sort.spill.percent設置）後執行溢出寫，寫之前會對區內進行排序，如果定義了Combiner（沒有定義的應該放入List中）則排序後還要調用Combiner合併（類似reduce）。一個map任務每次溢出寫會寫入一個單獨文件，如果map輸出結果很大會產生多個文件，在該map任務結束前（就是計算完了，整個map還沒算完），會合並（merge）這些spill文件（可通過mapreduce.task.io.sort.factor設置一次合併的文件個數，默認爲10，如果spill過多可調大該值來減少操作磁盤的次數，提高性能），合併時如果定義了Combiner（和上面的Combiner是一個類）會進行Combine。最終一個Map會生成一個文件。輸出到磁盤的過程中可設置壓縮（mapreduce.map.output.compress爲true表示壓縮）。
Reduce端
Reduce的Shuffle階段分爲複製（fetch）和排序（sort）過程。Map任務完成會通過心跳通知Application Master，Reduce端會有一個線程查詢Application Master，只要有Map完成Reduce就可以開啓複製（通過HTTP請求Map所在的TaskTracker獲取其輸出文件），複製過程是多線程併發（通過mapreduce.reduce.shuffle.parallelcopies設置線程個數，默認5）。Reduce複製的數據先寫入到reduce任務的JVM內存，當超過一定閾值（通過mapreduce.reduce.shuffle.input.buffer.percent設置大小，默認0.7，也就是0.7*maxHeap of reduce task，一個reduce任務堆內存的70%，因爲Reduce的Shuffle階段Reduce任務不運行，所以大部分堆內存都給Shuffle使用）會刷寫（類似Spill）到磁盤，這裏和Map類似不是到最大值才刷寫，而是達到一定比例（可通過mapreduce.reduce.shuffle.merge.percent設置比例，默認0.66）開始刷寫，也有人說可通過mapreduce.reduce.merge.inmem.threshold設定文件個數（默認1000），超過個數也執行刷寫。刷寫時也執行類似Map任務的Spill的Sort和Combiner。複製完成後，刷寫的文件可能多個（內存中的都要刷寫到磁盤中），這時需要合併（merge，mapreduce.task.io.sort.factor參數也會影響這裏），如果定義了Combiner函數也會調用進行Combine，最後一次合併（merge）後的數據不再寫入文件，直接作爲Reduce任務的輸入。其實Shuffle過程是從Map和Reduce過程分出來的。