Reducer是所有用户定制Reducer类的基础，它的输入是key和一个value值，同时还有Reducer的上下文。Reduce的结果由Reducer.Context的write方法输出到文件中。

Context in SFL refers to . A: Context of language B: Context of culture C: Context of society D: Context of situation

也是一个小型的reducer，主要作用是减少输出到reduce的个数，减少reducer的输入，提高reducer的执行效率

According to Numan, context can be classified into . A: linguistic context and co-text. B: nonlinguistic context and extra-linguistic context. C: situational context and cultural context D: linguistic context and nonlinguistic context.

ODPSMR可以通过控制Reducer的个数来进行调优，以下哪些方法可以帮用户调节Reducer的个数（） A: 可以通过调整Mapper的个数间接的影响Reducer的个数（Reducer的个数默认为Mapper个数的1／4） B: 在编程的时候（以Java为例），初始化Reducer的方法里，可手工指定Reducer个数 C: 可以通过setNumReducerTasks来设置 D: 可以通过addReducer随意增加Reducer的个数

（）也是一个小型的reducer，主要作用是减少输出到reduce的个数，减少reducer的输入，提高reducer的执行效率。 A: Combiner B: Reduce C: Map D: Shuffle

How to narrow the following topic “The Effects of Deforestation on Gorillas in Africa ” A: Geographical context B: Historical context C: Biological context D: Social context

Combiner和Reducer类都指向继承于Reducer的内部类（ ）。 A: Hdfs B: JobTracker C: Reduce D: TaskTracker

大部分时候reducer不能用作combiner。()

你必须为MapReduce作业指定哪些内容？ A: mapper和reducer类 B: mapper、reducer和Combiner类 C: mapper、reducer、Combiner和Partitioner类 D: 什么都不需要，所有类都默认实现