文件名称：Mapreduce#文档.docx
文件大小：580KB
文件格式：DOCX
更新时间：2023-02-03 13:44:35
MapReduce基础 MapReduce
初识 MapReduce
1 ． MapReduce 计算模型介绍
1.1． ． 理解 MapReduce 思想
MapReduce 思想在生活中处处可见。或多或少都曾接触过这种思想。
MapReduce 的思想核心是“ 分而治之”，适用于大量复杂的任务处理场景（大规模
数据处理场景）。即使是发布过论文实现分布式计算的谷歌也只是实现了这种思
想，而不是自己原创。
Map 负责“分”，即把复杂的任务分解为若干个“简单的任务”来并行处理。
可以进行拆分的前提是这些小任务可以并行计算，彼此间几乎没有依赖关系。
Reduce 负责“合”，即对 map 阶段的结果进行全局汇总。
这两个阶段合起来正是 MapReduce 思想的体现。
图：MapReduce 思想模型
还有一个比较形象的语言解释 MapReduce：
我们要数图书馆中的所有书。你数1号书架，我数2号书架。这就是“ Map”。
我们人越多，数书就更快。
现在我们到一起，把所有人的统计数加在一起。这就是“ Reduce”。
1.2． ． Hadoop MapReduce 设计构思
MapReduce 是一个分布式运算程序的编程框架，核心功能是将用户编写的事
务逻辑代码和自带默认组件整合成一个完整的分布式运算程序，并发运行在
Hadoop 集群上。
既然是做计算的框架，那么表现形式就是有个输入（input），MapReduce 操
作这个输入（input），通过本身定义好的计算模型，得到一个输出（output）。
对许多开发者来说，自己完完全全实现一个并行计算程序难度太大，而
MapReduce 就是一种简化并行计算的编程模型，降低了开发并行应用的入门门槛。
Hadoop MapReduce 构思体现在如下的三个方面：
如何对付大数据处理：分而治之
对相互间不具有计算依赖关系的大数据，实现并行最自然的办法就是采取分
而治之的策略。并行计算的第一个重要问题是如何划分计算任务或者计算数据以
便对划分的子任务或数据块同时进行计算。不可分拆的计算任务或相互间有依赖
关系的数据无法进行并行计算！
构建抽象模型：Map 和 Reduce
MapReduce 借鉴了函数式语言中的思想，用 Map 和 Reduce 两个函数提供了
高层的并行编程抽象模型。
Map: 对一组数据元素进行某种重复式的处理；
Reduce: 对 Map 的中间结果进行某种进一步的结果整理。
MapReduce 中定义了如下的 Map 和 Reduce 两个抽象的编程接口，由用户去
编程实现:
map: (k1; v1) → [(k2; v2)]
reduce: (k2; [v2]) → [(k3; v3)]
Map 和 Reduce 为程序员提供了一个清晰的操作接口抽象描述。通过以上两
个编程接口，大家可以看出 MapReduce 处理的数据类型是