传统的MapReduce模型要求每一轮MapReduce操作之后，数据必须落地到分布式文件系统上。而一般的MapReduce应用通常由多个MapReduce作业组成，每个作业结束之后需要写入磁盘，接下去的Map任务很多情况下只是读一遍数据，为后续的Shuffle阶段做准备，这样其实造成了冗余的IO操作。为了解决这一问题，提供更优的性能，大数据计算服务提供了扩展的MapReduce模型，该模型区别于普通MapReduce模型的主要特点是：()。