1、MapReduce
Hadoop并行计算框架，为海量的数据提供了计算。
2、MapReduce的原理
分而治之，一个大任务分成多个小的子任务（map），并行执行后，合并结果（reduce）。
3、基本概念
（1）Job
作业，表示MapReduce程序，一个MapReduce程序可对应若干个作业，而每个作业会被分解成若干个MapReduce任务（Task）。
（2）Task
任务，分为Map Task和Reduce Task两种，均由TaskTracker启动。
（3）JobTracker
任务调度器，负责作业调度；分配任务、监控任务执行进度；监控TaskTracker的状态。
（4）TaskTracker
任务跟踪器，负责执行任务；向JobTracker汇报任务状态。
4、MapReduce体系结构
MapReduce采用Master/Slave的架构。
Master，是整个集群的唯一的全局管理者，负责作业调度、分配任务、监控任务执行进度和监控TaskTracker的状态，即MapReduce中的JobTracker。
Slave，负责任务的执行和任务状态的汇报，即MapReduce中的TaskTracker。
5、MapReduce作业执行过程
（1）首先对输入数据源进行切片。
（2）JobTracker调度TaskTracker并分配Map任务。
（3）TaskTracker读取输入源片段。
（4）TaskTracker执行Map任务，将任务输出保存在本地。
（5）JobTracker调度TaskTracker并分配Reduce任务。
（6）TaskTracker读取Map任务的输出文件。
（7）TaskTracker执行Reduce任务，将任务输出保存到HDFS。
