什么是MapReduce?
MapReduce是一种编程模型,用于大规模数据集(大于1TB)的并行运算。概念"Map(映射)“和"Reduce(归约)”,是它们的主要思想,都是从函数式编程语言里借来的,还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下,将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map(映射)函数,用来把一组键值对映射成一组新的键值对,指定并发的Reduce(归约)函数,用来保证所有映射的键值对中的每一个共享相同的键组。
–来自百度百科
一、MapReduce的特点
主要思想:
1.分久必合
为了并行计算,会把一个大文件分开,最终又会合在一起,形成符合需求的大文件数据。
2.计算向数据移动
例如一个伐木工人(计算)要砍山上的树(数据),应该是工人(计算)去山上(数据)工作,而不是把山搬回自己家。
核心思想
相同的“key”为一组,调用一次reduce方法,方法内迭代这一组数据进行计算
二、MapReduce的计算原理
归并排序:
例如:两个数组[2,4,6],[3,5]进行归并排序