v mapreduce中，map階段處理的資料如何傳遞給reduce階段，是mapreduce架構中最關鍵的一個流程，這個流程就叫shuffle；
v shuffle: 洗牌、發牌——（核心機制：資料分區，排序，緩存）
v 具體來說：就是将maptask輸出的處理結果資料，分發給reducetask，并在分發的過程中，對資料按key進行了分區和排序；
shuffle緩存流程：
shuffle是mr處理流程中的一個過程，它的每一個處理步驟是分散在各個map task和reduce task節點上完成的，整體來看，分為3個操作：
1、分區partition
2、sort根據key排序
3、combiner進行局部value的合并
1、 maptask收集我們的map()方法輸出的kv對，放到記憶體緩沖區中
2、 從記憶體緩沖區不斷溢出本地磁盤檔案，可能會溢出多個檔案
3、 多個溢出檔案會被合并成大的溢出檔案
4、 在溢出過程中，及合并的過程中，都要調用partitoner進行分組和針對key進行排序
5、 reducetask根據自己的分區号，去各個maptask機器上取相應的結果分區資料
6、 reducetask會取到同一個分區的來自不同maptask的結果檔案，reducetask會将這些檔案再進行合并（歸并排序）
7、 合并成大檔案後，shuffle的過程也就結束了，後面進入reducetask的邏輯運算過程（從檔案中取出一個一個的鍵值對group，調用使用者自定義的reduce()方法）
shuffle中的緩沖區大小會影響到mapreduce程式的執行效率，原則上說，緩沖區越大，磁盤io的次數越少，執行速度就越快
緩沖區的大小可以通過參數調整, 參數：io.sort.mb 預設100m