MapReduce

优点

   1. 易于编程，用户只关心业务逻辑，实现框架的接口。

   2. 良好的扩展性，可以动态增加服务器，解决计算资源不够问题。

   3. 高容错性，任何一个机器挂掉，可以将任务转移到其他节点。

   4. 适合海量数据计算（TB/PB），几千台服务器共同计算。

 

缺点：

   1. 不擅长实时计算（时间比较长）。

   2. 不擅长流式计算（一条一条的过来处理）， sparkstreaming和flink擅长。

   3. 不擅长DAG有向无环图计算，spark擅长。

 

 

核心编程思想

（1）分布式的运算程序往往需要分成至少2个阶段。

（2）第一个阶段的MapTask并发实例，完全并行运行，互不相干。

（3）第二个阶段的ReduceTask并发实例互不相干，但是他们的数据依赖于上一个阶段的所有MapTask并发实例的输出。

（4）MapReduce编程模型只能包含一个Map阶段和一个Reduce阶段，如果用户的业务逻辑非常复杂，那就只能多个MapReduce程序，串行运行。