MapReduce是一种编程模型，采用主从集群结构，与Hdfs类似，也是由主节点（JobTracker,在hadoop2.0中，由Yarn代替JobTracker的工作）进行任务的调度与分配，从节点（TaskTracker,在hadoop2.0中，由ApplicationMaster代替TaskTracker的工作）进行具体任务的执行，需要注意的一点是，MapReduce和hdfs一样，默认情况下并没有配置高可用，这个可以根据业务情况，基于zookeeper进行配置，另外它本身也具备一定的容错性，这个主要体现在主节点对从节点状态的监控上，当发现某个节点失效了，会进行重启，从而提高了系统的健壮性。
MapReduce主要用来进行大规模数据集的并行运算，它将计算过程抽象为Map和Reduce两个函数，
map函数用于将数据解析为key/value结构，并存于本地目录，reduce函数会将key相同的数据进行业务计算处理，并最终将结果写到hdfs上。
MapTask执行过程：先将输入的数据进行切片，即切成大小相等的数据块,每一个分片会作为单个MapWorker（由开发者自定义业务处理逻辑）的输入被处理，以便于并行工作，在进行对外输出之前，mapReduce框架会按照key值排序，使得key相同的数据彼此相邻，同样也可以调用combiner函数使其聚合
ReduceWorker执行过程：reduce函数接到map函数的输出，会先进行混洗(shuffle)和分组(sort),之后会进入reduce自定义业务逻辑阶段，处理完成后，将数据存储进hdfs。