MapReduce的基本流程

      MapReduce计算模型由两个阶段组成：Map和Reduce，用户只需要实现map()和reduce()两个函数，即可实现分布式计算，非常简单。map()和reduce()这两个函数的形参是key、value对，表示函数的输入信息。

      1. map任务处理

1 读取输入文件内容，解析成key、value对。对输入文件的每一行，解析成key、value对。每一个键值对调用一次map函数。

2写自己的逻辑，对输入的key、value处理，转换成新的key、value输出。

3 对输出的key、value进行分区。

4 对不同分区的数据，按照key进行排序、分组。相同key的value放到一个集合中。

5 (可选)分组后的数据进行归约。

　　2.reduce任务处理

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。

MapReduce的基本设计思想

上面说了这么多，其实MapReduce的设计思想可以归结为如下三个：

（1）对付大数据并行处理：分而治之

（2）上升到抽象模型：Map与Reduce

（3）上升到构架：以统一构架为程序员隐藏系统层细节