1. 1.配置m个worker来map，r个worker来reduce。
2. 2.将混合均匀的输入文件分成m个输入文件，每个输入文件对应一个doMap。这里的混合均匀表示每份输入文件中的内容之间没有联系，可以拆分成小份一份一份的处理。
3. 3.对每个输入文件使用doMap进行遍历。每个doMap对应一次mapF(filename string, content string) []KeyValue。doMap首先将输入文件名和文件内容传给mapF处理。mapF处理完这个文件，返回很多键值对，doMap接着将这些混合均匀的键值对们平均分成r份，1每份有多个键值对，2每份对应给一个doReduce处理， 3每份保存到一个文件，文件名格式为jobName-mapTaskIndex-reduceTaskIndex。———注意：mapF返回的<key, value>中的key不是作为参数传给mapF的filename,而是可以随便的。mapF这里就相当于从命令行中读取到了输入。
4. 4.遍历m次doReduce。doReduce读取m个来自m个doMapTask的文件，（因为每个doMapTask都产生一个文件给每个doReduceTask)。doReduce合并这些文件中key相同的，key有多少个不同的就调用多少次reduceF(key string,  values []string) string。每个reduceF返回这一个key的对应的最终结果值。doReduceTask最终得到所有不同key及其对应的最终结果值。———注意：doReduceTask得到的这些<Key, Value>中的key是mapF返回的key
5. 5.所有doReduceTask的结果再次合并。

有以下规律：

1. 一个输入文件对应一个doMap，doMap对应r个输出文件给r个doReduceTask，doReduceTask有m个输入文件来自m个doMap。
2. 2. 输入文件被均分成m个，每个doMap的结果被均分给r个doReduceTask，每个doReduceTask使用来自每一个doMapTask的输出。