作為CGFT金融科技分析師，對科技也有了解，也要學習一定的大數據，那在學習中對WordCount程序任務了解多少呢？給你說說一下MapReduce過程實際的執行！

① 執行WordCount的用戶程序（采用MapReduce編寫）,會被系統分發部署到集群中的多臺機器上，其中一個機器作為Master,負責協調調度作業的執行，其余機器作為Worker,可以執行Map 或 Reduce 任務。

② 系統分配一部分Worker執行Map任務，一部分Worker執行Reduce任務；MapReduce將輸入文件切分成M個分片：Master將M個分片分給處于空閑狀態的TV個Worker來處理；

③ 執行Map任務的Worker讀取輸入數據，執行Map操作，生成一系列＜key，value＞形式的中間結果，并將中間結果保存在內存的緩沖區中。

④ 緩沖區中的中間結果會被定期刷寫到本地磁盤上，并被劃分為個分區，這7?個分區會被分發給R個執行Reduce任務的Worker進行處理；Master會記錄這R個分區在磁盤上的存儲位置，并通知R個執行Reduce任務的Worker來“領取”屬于自己處理的那些分區的數據。

⑤ 執行Reduce任務的Worker收到Master的通知后，就到相應的Map機器上“領回”屬于自己處理的分區，需要注意的是，正如之前在Shuffle過程闡述的那樣，可能會有多個Map機器通知某個Reduce機器來領取數據，因此，一個執行Reduce任務的Worker,可能會從多個Map機器上領取數據。當位于所有Map機器上的、屬于自己處理的數據，都已經領取回來以后，這個執行Reduce任務的Worker,會對領取到的鍵值對進行排序（如果內存中放不下需要用到外部排序）,使得具有相同key的鍵值對聚集在一起，然后就可以開始執行具體的Reduce操作了。

⑥ 執行Reduce任務的Worker遍歷中間數據，對每一個* key,執行Reduce函數，結果寫人到輸出文件中；執行完畢后，喚醒用戶程序，返回結果。

?