Part 2-1：启动master create a Master.

Part2-6：worker任务完成后通知master.

Part2-3：启动worker main/mrworker.go calls this function.

Map functions return a slice of KeyValue.

Part1-3：此外Master存储Map任务产生的R个中间文件的信息.

Part1-2： Master存储这些Task的信息。与论文不同的是，这里我并没有保留worked的ID，因此master不会主动向worker发送心跳检测.

Part1-4：Map和Reduce的Task应该负责不同的事情，但是在实现代码的过程中发现同一个Task结构完全可以兼顾两个阶段的任务.

for sorting by key.

Part1-1：每个(Map或者Reduce)Task有分为idle, in-progress, completed 三种状态.

Part1-5：此外我将task和master的状态合并成一个State。task和master的状态应该一致。如果在Reduce阶段收到了迟来MapTask结果，应该直接丢弃。.