我猜你是糊涂了。图2.2不是字数计算算法的示例。它显示了“Map器和还原器”一节中描述的Map还原框架的两级处理。图2.2显示了Map缩小的简化视图。作者想用这个图来说明map是如何减少框架词的，以及如何在所有与键相关的值中找到最大值。也就是说y的输出是x=5（最大值为1,5）等等。
如果您想通过map reduce读取字数计算算法，请查看：
类Map器2：方法Map（docid a；doc d）3:对于所有术语t 2 doc d do 4:发射（术语t；计数1）1：类还原2：方法还原（术语t；计数[c1；c2；：]）3:和0 4:对于所有计数C2计数[c1；c2；：]do 5：总和+c 6：发射（t项；count sum）图2.3:mapreduce中单词计数算法的伪代码。Map器为文档中的每个单词发出一个中间键值对。减缩器将每个单词的所有计数相加。
可能会出现混淆，因为图片是先粘贴的，其编号粘贴在图片的底部。
希望这有帮助！！

后面一段：
最终输出写入分布式文件系统，每个reducer一个文件。每个文件中的单词将按字母顺序排序，每个文件包含的单词数量大致相同。我们稍后将在第2.4节中讨论的partitioner控制单词到reducer的赋值。输出可以由程序员检查，也可以用作另一个mapreduce程序的输入。
据我所知，示例中的每个reducer都将其输出写入不同的文件。我同意这一点，应该解释之前的一些意见中指定的数字。

输入到mapper的文件如下：rec1:a、1 rec2:b、2 rec3:c、3 rec4:c、6 rec5:a、5 rec6:c、2 rec7；b、 7.8：c，8
记录#1和#2&将由Map器#1处理。在本例中，假设上述文件存储在4个块中。第1区1号和2号记录（&）。第二区（&）的3号记录和4号记录。记录5和记录6（&）将在第三个街区。rec 7和rec8将存储在第4块rec7和rec8（）。
在MapReduce框架中，将为每个输入分割调用一个Map器（逻辑上与块相同）。每个Map器将处理输入分割中的所有记录。
m1将接受（&）的输入，发出a作为键，1作为值，发出b作为键，1作为值。对于m2，输入是c，3和c，6和，它发出键为c，值为3，键为c，值为6，依此类推。
然后reducer将接受这些键并执行其处理。
希望这能澄清你的问题。