Kafka集群中，Kafka服务端的角色是:（　　）。

为了降低map（）函数与reduce（）函数之间的数据传递量，一般采用combiner（）函数对map（）函数的输出结果进行合并处理。（）

Shuffle处理：为了确保每个reduce（）函数的输入都按键排序。（）

用户自定义的reduce（）函数接受一个中间key值和一个相关的value值的集合。（）

MapReduce计算框架的计算过程分为Map阶段和Reduce阶段两个阶段，并分别以两个函数map（）和reduce（）进行抽象。（）

key和value可以是未经加工的字节数据。（）

MapReduce计算过程中，相同的key默认会被发送到同一个ReduceTask处理。（）

链式MapReduce计算中，对任意一个MapReduce作业，Map和Reduce阶段可以有无限个Mapper，但Reducer只能有一个。（）

MapReduce的Input Split一定是一个Block。（）

NameNode负责管理元数据信息MetaData，Client端每次读写请求，它都会从磁盘中读取或写入MetaData信息并反馈给Client端。（）

MapReduce性能优化的评估大部分都是基于Counter的数值表现出来的。（）