MapReduce简介
目录
MapReduce思想核心：先分再合，分而治之
MapReduce设计构思
如何使用MapReduce来进行单词统计（原理）
MapReduce思想核心：先分再合，分而治之
把一个复杂的问题按一定的“分解”方法分为规模较小的若干部分，分别找出各个部分的解，再把各部分的解组成整个问题的解。
map
①分的阶段，局部并行运算
②把复杂任务拆分成若干个小的任务，以并行方式处理，每个任务处理完都是一个局部的结果。
③前提是任务可以拆分，且拆分后没有依赖关系
④map侧重于映射（对应关系）
reduce
①汇总阶段，全局汇总计算
②把分的阶段局部结果进行全局汇总，得到最终结果
③reduce指的是结果数量的减少，汇总
MapReduce设计构思
MapReuce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业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。
构建抽象模型
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处理的数据类型是<key，value>键值对，定义了两个抽象的编程接口，由用户去编程实现：
统一架构，隐藏系统层细节
MapReduce设计并提供了统一的计算框架，隐藏了绝大多数系统层面的处理细节（如数据存储、分发、结果收集等）。
通过抽象模型和计算框架把需要做什么和具体怎么做分开了，为程序员提供一个抽象和高层的编程接口和框架。程序员仅需要关心应用层的具体计算问题。
如何使用MapReduce来进行单词统计（原理）
map阶段处理逻辑
根据分隔符切割内容变成一个个单词，把单词标记1，变成<key,value>键值对形式
reduce阶段处理逻辑
经过shuffle把相同的单词分为一组，把对应的value进行累加，输出的结果就是该单词出现的总次数