我在看书 Hadoop: The definitive guide 3rd edtition 作者：汤姆·怀特。它是了解 Hadoop ，尤其是 Map-Reduce 我很感兴趣。
摘自该书（第205页）：
洗牌和排序
mapreduce保证每个reduce的输入都是按键排序的。系统执行排序并将map输出作为输入传输到reducer的过程称为shuffle。
我由此推断，在键被发送到reducer之前，它们是被排序的，这表示作业的map阶段的输出是被排序的。请注意：我不叫它mapper，因为map阶段包括mapper（由程序员编写）和mr框架的内置排序机制。
Map那边
每个map任务都有一个循环内存缓冲区，它将输出写入其中。默认情况下，缓冲区为100 mb，该大小可以通过更改io.sort.mb属性进行调整。当缓冲区的内容达到某个阈值大小（io.sort.spill.percent、默认值0.80或80%）时，后台线程将开始将内容溢出到磁盘。溢出发生时，map输出将继续写入缓冲区，但是如果缓冲区在此期间填满，map将阻塞，直到溢出完成。
在将数据写入磁盘之前，线程首先将数据划分为与最终将发送到的缩减器相对应的分区。在每个分区中，后台线程执行内存中的按键排序，如果有组合器函数，则在排序的输出上运行。运行combiner函数可以获得更紧凑的map输出，因此要写入本地磁盘和传输到reducer的数据更少。
我对以上段落的理解是，当Map器生成键值对时，键值对被划分和排序。一个假设的例子：
考虑将mapper-1用于字数计算程序：

>mapper-1 contents
partition-1
   xxxx: 2
   yyyy: 3
partition-2
   aaaa: 15
   zzzz: 11

（注意，每个分区中的with数据都是按键排序的，但分区1的数据和分区2的数据不必按顺序排序）
继续阅读本章：
每次内存缓冲区达到溢出阈值时，都会创建一个新的溢出文件，因此在map任务写入其最后一个输出记录之后，可能会有几个溢出文件。在任务完成之前，溢出文件将合并到单个分区和排序的输出文件中。配置属性io.sort.factor控制一次合并的最大流数；默认值为10。
我在这里的理解是（请知道上面段落中的粗体短语，这欺骗了我）：在一个map任务中，几个文件可能会溢出到磁盘，但它们被合并到一个仍然包含分区和排序的文件中。考虑与上述相同的示例：
在单个Map任务完成之前，其中间数据可以是：
mapper-1目录

spill 1:             spill 2:           spill 2:
    partition-1         partition-1        partition-1
                          hhhh:5       
       xxxx: 2            xxxx: 3             mmmm: 2
       yyyy: 3            yyyy: 7             yyyy: 9 

    partition-2         partition-2        partition-2
       aaaa: 15           bbbb: 15            cccc: 15
       zzzz: 10           zzzz: 15            zzzz: 13

map任务完成后，mapper的输出将是一个文件（注意，上面添加了三个spill文件，但假设在job conf中没有指定combiner，则没有应用combiner）：

>Mapper-1 contents:
partition-1:
hhhh: 5
mmmm: 2
xxxx: 2
xxxx: 3
yyyy: 3
yyyy: 7
yyyy: 9
partition-2:
aaaa: 15
bbbb: 15
cccc: 15
zzzz: 10
zzzz: 15
zzzz: 13

所以这里分区-1可能对应于减速机-1。也就是说，上述分区1段对应的数据被发送到reducer-1，分区2段对应的数据被发送到reducer-2。
如果到目前为止，我的理解是正确的，
如何从Map器输出中获取同时包含分区和排序数据的中间文件。
值得注意的是，单独运行mapper不会产生与发送到reducer的数据未排序的点相矛盾的排序输出。更多详情请点击此处
如果没有运行only mapper，甚至没有应用组合器：更多详细信息请参见此处