需求1：求出每一个url被访问的总次数，并将结果输出到一个结果文件中
思路：就是一个wordcount
map阶段： 解析数据，将url作为key，1作为value发出
reduce阶段：将一组数据的value累加
需求2：求出每个网站被访问次数最多的top3个url《分组TOPN》
思路：
map阶段——切字段，抽取域名作为key，url作为value，返回即可
reduce阶段——用迭代器，将一个域名的一组url迭代出来，挨个放入一个hashmap中进行计数，最后从这个hashmap中挑出次数最多的3个url作为结果返回
需求3：求访问次数最多的topn个网站（只能有1个reduce worker）《全局TOPN》
思路：
map阶段：解析数据，将域名作为key，1作为value
reduce阶段：
reduce方法中——对一个域名的一组1累加，然后将 <域名,总次数>放入一个成员变量Treemap中
cleanup方法中——从treemap中挑出次数最高的n个域名作为结果输出
要点1：每一个reduce worker程序，会在处理完自己的所有数据后，调用一次cleanup方法
要点2：如何向map和reduce传自定义参数
从JobSubmitter的main方法中，可以向map worker和reduce worker传递自定义参数（通过configuration对象来写入自定义参数）；然后，我们的map方法和reduce方法中，可以通过context.getConfiguration()来取自定义参数
Configuration conf = new Configuration() //
这一句代码，会加载mr工程jar包中的hadoop依赖jar中的各默认配置文件*-default.xml
然后，会加载mr工程中自己的放置的*-site.xml
然后，还可以在代码中conf.set("参数名","参数值")
另外，mr工程打成jar包后，在hadoop集群的机器上，用hadoop jar mr.jar xx.yy.MainClass
运行时，hadoop jar命令会将这台机器上的hadoop安装目录中的所有jar包和配置文件通通加入运行时的classpath，
配置参数的优先级：
1、依赖jar中的默认配置
2、环境中的*-site.xml
3、工程中的*-site.xml
4、代码中set的参数
优先级一次增大，高优先级的参数值会覆盖低优先级的参数值