MapReduce是一种用于处理大规模数据的分布式计算框架，它可以将一个大规模的数据集分成多个小的数据集，然后在多个机器上并行地进行处理。以下是一个简单的步骤，用于构建一个基于MapReduce的排序系统，对1TB的数据进行排序：

1. 分割数据：首先，你需要将数据分割成多个小的数据集，每个数据集的大小可以根据实际情况调整。你可以使用MapReduce的InputFormat类将数据分割成多个键值对。

2. 集群创建：然后，你需要创建一个MapReduce集群，每个机器上有一个MapReduce作业。MapReduce作业的主要任务是将数据集划分为多个小的数据集，并将这些数据集上传到MapReduce集群。

3. 处理数据：在Map阶段，每个机器上的MapReduce作业会根据键值对的键和值，将数据集划分为多个小的数据集，并将这些数据集上传到MapReduce集群。

4. 写入文件：在Map阶段结束后，MapReduce作业会将数据集写入到文件中。这些文件会按照键的顺序存储在MapReduce集群中。

5. 停止集群：最后，你需要停止MapReduce集群。在Map阶段结束后，MapReduce作业会自动停止。

这个过程中，你需要确保MapReduce作业可以正确地在多个机器上并行地进行处理，以确保排序的效率。同时，你也需要确保数据的正确性和一致性，以避免在排序过程中出现错误。