在Map步骤中，可以将所有数字Map到一个键。然后在reduce步骤中，只需取最大值即可。reduce步骤将为给定键传递一个可iterable的值集合—无需创建自己的arraylist。

为此，最好有一个减速机。
为了确保所有数字都到达同一个减速机，您必须做两件事：
为Map器中的所有输入值发出相同的键
将reduce tasks设置为零。
你呢 map() 方法可能如下所示：

@Override
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
          context.write(new Text("MyAwesomeKey"), key); // assuming that your number is being read in the key
           }

在你的 Reduce 同学们，有一个财产 max ，类似于： Long max 以及 reduce() 方法可能如下所示：

@Override
public void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {
          context.write(new Text("MyAwesomeKey"), key); // assuming that your number is being read in the key
           }

然后覆盖 run() 当我们超越 reduce() :

public void run(Context context) throws IOException, InterruptedException {
    setup(context);
    while (context.nextKey()) {
      reduce(context.getCurrentKey(), context.getValues(), context);
    }
    context.write(new LongWritable(max),new Text("")); // write the max value
    cleanup(context);
  }

要将reduce tasks设置为1，请在作业的 run() ，注意这与上述不同 run() :

job.setNumReduceTasks(1);

注意：以上所有代码都遵循新的mapreduceapi，我相信使用旧的mapredapi，在reducer完成它的工作之后，我们将无法拥有一个钩子点，因为我们可以通过重写 run() 减速机。