请说明 MapReduce 中 Reducer 的执行过程，以及一个 Reducer 是否可以处理多个不同的键值对？

回答思路

1. 【回答框架 1】Reducer 是 MapReduce 的三个核心阶段之一，位于 Shuffle 之后。其工作过程包括：接收来自 Map 端的中间键值对，经过 Shuffle 阶段的排序、分区和分组，将相同 key 的所有 value 聚合在一起，然后调用 reduce 函数，对每个 key 及其对应的 value 列表执行用户定义的逻辑，最终输出结果键值对。
2. 【回答框架 2】一个 Reducer 可以处理多个键值对，而且通常处理的是多个不同的 key。框架会按照 key 的哈希值或自定义分区函数将中间键值对分配到不同的 Reducer 上，确保相同的 key 被分到同一个 Reducer，且不同 key 可以落在同一个 Reducer 中。
3. 【回答框架 3】Reducer 内部的输入是按 key 排序的，reduce 函数会被逐个 key 调用，每次调用处理当前 key 和它的全部 values。这样设计使得每个 Reducer 能够处理多个 key，而无需人工干预，框架自动完成分组。
4. 【回答框架 4】实际运行中，Reducer 的数量影响负载均衡和输入数据分布。如果 Reducer 数较少，单个 Reducer 会处理很多 key，容易引发数据倾斜；反之，数目过多会增加调度和网络开销。因此需要根据集群规模和任务特性调整。
5. 【回答框架 5】为了优化性能，可以在 combine 阶段进行局部合并，减少 Shuffle 传输的数据量，从而提升 Reducer 的工作效率。但要注意，combine 的执行方式与 reduce 函数的具体实现有关，必须保证正确性。
6. 【关键点 1】Reducer 处理的是按 key 分组后的数据，每个 key 调用一次 reduce。
7. 【关键点 2】一个 Reducer 可以处理多个不同 key，通过分区函数分配。
8. 【关键点 3】相同 key 的数据必定进入同一个 Reducer，但不同 key 可能进入同一 Reducer。
9. 【关键点 4】Reducer 输入在 Shuffle 中经过排序，保证 key 有序。
10. 【关键点 5】通过调整 Reducer 数量可控制负载，但需权衡资源消耗。
11. 【易错点 1】错误认为一个 Reducer 只能处理一个 key，实际可处理多个 key。
12. 【易错点 2】忽略 Shuffle 阶段分组作用，误以为 reduce 直接处理乱序数据。
13. 【易错点 3】盲目增加 Reducer 数量可能因调度和 shuffle 开销导致性能下降。