概述
MapTask是MapReduce程序map阶段执行的具体任务，上层受MRAppMaster协调调度；内部基于MapContext管理各个组件。其主要功能包括：
- 调用输入组件读取数据
- 调用Mapper执行逻辑
- 调用输出组件写环形缓存
- 执行排序、合并、溢写
- 文件合并
调用关系
程序入口为：
org.apache.hadoop.mapred.YarnChild#main()
调用关系：
核心类说明
YarnChild
入口类，通过其main()方法启动独立进程。内部主要是创建了map阶段的核心类MapTask，并调用起来其run()，真正开启map阶段的执行。
MapTask
Map任务的核心类，初始化基本组件与MapContextImpl环境上下文，并调用Mapper主逻辑，即run()。
Mapper
核心方法为run()，封装循环处理每条数据的完整流程，并基于模板方法设计模式让用户定义map()环节，扩展程序。
核心代码：
public void run(Context context) throws IOException, InterruptedException {
setup(context);
try {
// 调用context入口，具体逻辑由context结合内部组件实现
while (context.nextKeyValue()) {
map(context.getCurrentKey(), context.getCurrentValue(), context);
}
} finally {
cleanup(context);
}
}
MapContextImpl
Map任务的上下文对象，封装其他组件的调用，提供统一入口。比如在Mapper中使用到的context.nextKeyValue()、context.getCurrentKey()、context.getCurrentValue()，其实际的功能实现一般由很多组件参与工作，复杂性也会很高。对Mapper而言并不需要关心其实现细节，只需要通过contex入口获取处理流程中的结果即可。
可见，通过MapContextImpl封装了各个组件的调用，屏蔽了诸多细节，并提供统一的调用入口。它实际是一个中间层，管理维护诸多组件，解耦了调用者与具体的组件。
NewTrackingRecordReader LineRecordReader
输入组件，读取数据。
NewOutputCollector
输出组件。
MapOutputBuffer
维护环形缓冲区，与spillThread协调工作。
SpillThread
和写入线程协同工作，基于锁控制，类似生产-消费模型：写入线程写缓冲区超过80%，唤醒溢写线程；缓冲写满写入线程会阻塞；溢写线程完成溢写，唤醒写入线程。
溢写线程主要功能：内存排序（快速排序）、局部聚合即Combine、写磁盘包括文件和索引、文件合并（归并排序）。
一些文件的合并即mergeParts()，其内部调用了工具类Merger.merge()、Merger.writeFile。
