hadoop学习笔记（八）：MapReduce
一、MapReduce编程模型
一种分布式计算框架，解决海量数据的计算问题。
MapReduce将整个并行计算过程抽象到两个函数：
Map（映射）：对一些独立元素组成的列表的每一个元素进行制定的操作，可以高度并行。
Reduce（化简）：对一个列表的元素进行合并。
一个简单的MapReduce程序只需要指定Map()、reduce()、input和output，剩下的事情由框架完成。
二、Map过程（以wordcount为例）：
1 一行一行读，每一行都解析成key/value形式。每一个键值对，都调用一次Map函数。
假设有一个文件的内容是:
hello hadoop!
hello world!
那么Map的读取过程为：
| key | value | operate |
| 0 | hello hadoop! | --> hello:1 hadoop!:1 |
| 13 | hello world! | --> hello:1 world!:1 |
2 写自己的逻辑，对输入的key/value处理，转换成新的key/value输出。
| key | value |
| hello | 1 |
| hadoop! | 1 |
| hello | 1 |
| world! | 1 |
3 对输出的key/value进行分区。
注意：Shuffling囊括了：partition和sort。
4 对不同分区的数据，按照key进行排序、分组。把相同的key的value放到一个集合中。
| key | list<value> |
| hello | 2 |
| hadoop! | 1 |
| world! | 1 |
5 （可选）分组后的数据进行归约。
三、Reduce过程：
1 对多个map任务的输出，按照不同的分区，通过网络copy到不同的reduce节点。
2 对多个map任务的输出进行合并、排序。写reduce函数自己的逻辑，对输入的key/value处理，转换成新的key/value输出。
3 把reduce的输出保存到文件中。
