请阐述 MapReduce 编程模型中 Map 阶段与 Reduce 阶段各自承担的具体职责是什么？

回答思路

1. 【回答框架 1】Map 阶段负责将输入数据切分为若干独立的数据块，并对每个键值对应用用户自定义的 map 函数，生成中间键值对列表；其核心是进行数据过滤、转换和初步的局部整理，将原始数据映射为键值对形式，便于后续处理。
2. 【回答框架 2】Reduce 阶段接收 Map 阶段输出的中间键值对，按相同键进行分组，并对每组键值对应用用户自定义的 reduce 函数，进行聚合、汇总或计算，最终输出结果；其核心是对中间结果进行合并和归约，得到最终结果。
3. 【回答框架 3】引入 shuffle 和 sort 机制连接两个阶段，确保相同键被分到同一 reduce 任务；典型的 wordcount 例子中，map 输出每个单词加一，reduce 将相同单词的计数累加，体现两阶段的功能分工。
4. 【回答框架 4】Map 阶段通常以并行方式处理，reduce 阶段则依赖于 map 输出的整体性，两个阶段共同实现分布式数据处理的并行计算。
5. 【回答框架 5】此模型适合批量离线处理，但不适用实时流计算；理解两者职责是掌握 Hadoop 运行原理的基础。
6. 【关键点 1】Map 阶段负责数据的映射与过滤，将输入键值对转换成中间结果；Reduce 阶段负责分组聚合与输出最终结果。
7. 【关键点 2】两个阶段通过 shuffle 和 sort 连接，实现相同键的统一归约。
8. 【关键点 3】典型场景如 wordcount：map 产生单词计数对，reduce 累加相同单词的总数。
9. 【易错点 1】混淆 map 与 reduce 中可能存在的本地聚合（combiner）与 reduce 的区别，combiner 仅用于优化，不影响最终逻辑。
10. 【易错点 2】忽略 Map 阶段输出会落盘，以及 reduce 阶段输入可能跨节点拉取，导致性能瓶颈。