1. 简述Map包含哪些步骤？
参考答案：（1）读取输入文件内容，解析成key、value对。对输入文件的每一行，解析成key、value对。每一个键值对调用一次map函数。（2） 写自己的逻辑，对输入的key、value处理，转换成新的key、value输出。（3）对输出的key、value进行分区。（4）对不同分区的数据，按照key进行排序、分组。相同key的value放到一个集合中。（5）分组后的数据进行归约。
2. 简述Reduce包含哪些步骤？
参考答案：（1）对多个map任务的输出，按照不同的分区，通过网络copy到不同的reduce节点。（2）对多个map任务的输出进行合并、排序。写reduce函数自己的逻辑，对输入的key、value处理，转换成新的key、value输出。（3）把reduce的输出保存到文件中。
3. MapReduce中排序发生在哪几个阶段？这些排序是否可以避免，为什么？
参考答案：一个MapReduce作业由Map阶段和Reduce阶段两部分组成，这两阶段会对数据排序，从这个意义上说，MapReduce框架本质就 是一个Distributed Sort。在Map阶段，Map Task会在本地磁盘输出一个按照key排序（采用的是快速排序）的文件（中间可能产生多个文件，但最终会合并成一个）; 在Reduce阶段，每个 Reduce Task会对收到的数据排序，数据便按照Key分成了若干组，之后以组为单位交给reduce处理。很多人的误解在Map阶段，如果不使用 Combiner便不会排序，这是错误的，不管你用不用Combiner，Map Task均会对产生的数据排序（如果没有Reduce Task，则不会排序， 实际上Map阶段的排序就是为了减轻Reduce端排序负载）。由于这些排序是MapReduce自动完成的，用户无法控制。因此，在hadoop 1.x中无法避免，也不可以关闭，但hadoop2.x是可以关闭的。
4. 编写MapReduce作业时，如何做到在Reduce阶段，先对Key排序，再对Value排序？
参考答案：该问题通常称为”二次排序“，最常用的方法是将Value放到Key中，实现一个组合Key，然后自定义Key排序规则（为Key实现一个WritableComparable）
5.如何使用MapReduce实现两个表join，可以考虑一下几种情况：（1）一个表大，一个表小（可放到内存中）；（2）两个表都是大表。
参考答案：第一种情况比较简单，只需将小表放到DistributedCache中即可；第二种情况常用的方法有：map-side join（要求输入数据有序，通常用户Hbase中的数据表连接），reduce-side join，semi join（半连接）。
