Hadoop的MapReduce作业都是对key/value空间进行处理，从一个键值对空间映射到另一个键值对空间。具体来讲就是
    (输入) <k1, v1> -> map -> <k2, v2> -> combine -> <k2, v2> -> reduce -> <k3,v3> (输出)

Hadoop中的key/value的类型都必须要实现Writable接口，其中key的类型由于要进行排序，还要实现额外的Comparable接口。

Hadoop对Java的基本类型大都进行了封装，如使用得最多的Text，IntWritable，LongWritable等，所有封装都包含get和set方法用于读取和设置封装的值。Hadoop也对Array，Map，SortedMap提供了封装。
    这些实现对于一般应用基本使用Hadoop提供的基本类型已经足以应付，但是对于某些特定应用，可能我们需要构造自己的key/value类型，下面的例子实现了WritableComparable接口，WritableComparable其实就是Writable接口和Comparable接口。其中内部的Comparator类允许直接比较数据流中的记录，而不需要把数据流反序列化为对象，这样就避免了新建对象的额外开销。

public static class IntPair implements WritableComparable<IntPair> {private int first = 0;private int second = 0;public void set(int left, int right) {first = left;second = right;}public int getFirst() {return first;}public int getSecond() {return second;}@Overridepublic void readFields(DataInput in) throws IOException {first = in.readInt() + Integer.MIN_VALUE;second = in.readInt() + Integer.MIN_VALUE;}@Overridepublic void write(DataOutput out) throws IOException {out.writeInt(first - Integer.MIN_VALUE);out.writeInt(second - Integer.MIN_VALUE);}@Overridepublic int hashCode() {return first * 157 + second;}@Overridepublic boolean equals(Object right) {if (right instanceof IntPair) {IntPair r = (IntPair) right;return r.first == first && r.second == second;} else {return false;}}public static class Comparator extends WritableComparator {public Comparator() {super(IntPair.class);}public int compare(byte[] b1, int s1, int l1,byte[] b2, int s2, int l2) {return compareBytes(b1, s1, l1, b2, s2, l2);}}static {WritableComparator.define(IntPair.class, new Comparator());}@Overridepublic int compareTo(IntPair o) {if (first != o.first) {return first < o.first ? -1 : 1;} else if (second != o.second) {return second < o.second ? -1 : 1;} else {return 0;}}}

定义好自己的类型后就可以像Hadoop内置的类型一样在MapReduce作业中使用了。