Erlang里实现MapReduce

参考： [url]http://weblambdazero.blogspot.com/2008/08/mapreduce-in-erlang.html[/url]
MapReduce的主要原理是将一个数据集上的计算分发到许多单独的进程上(map)，然后收集它们的结果(reduce)。

在Erlang里实现MapReduce非常细节也十分简单，例如Erlang的作者Joe Armstrong发表了一段代码来表示MapReduce版本的Erlang标准lists:map/2方法：
pmap.erl
[code]
-module(pmap).
-export([pmap/2]).

pmap(F, L) ->
S = self(),
Pids = lists:map(fun(I) ->
spawn(fun() -> do_fun(S, F, I) end)
end, L),
gather(Pids).

gather([H|T]) ->
receive
{H, Result} -> [Result|gather(T)]
end;
gather([]) ->
[].

do_fun(Parent, F, I) ->
Parent ! {self(), (catch F(I))}.
[/code]
pmap的原理也很简单，对List的每项元素的Fun调用都spawn一个process来实际处理，然后再调用gather来收集结果。

如此简洁的代码就实现了基本的MapReduce，不得不服Erlang！

下面是一个fib的示例调用：
fib.erl
[code]
-module(fib).
-export([fib/1]).

fib(0) -> 0;
fib(1) -> 1;
fib(N) when N > 1 -> fib(N-1) + fib(N-2).
[/code]

编译好之后比较一下lists:map/2和pmap:pmap/2的执行效率：
[code]
Eshell > L = lists:seq(0,35).
Eshell > lists:map(fun(X) -> fib:fib(X) end, L).
Eshell > pmap:pmap(fun(X) -> fib:fib(X) end, L).
[/code]
测试结果lists:map执行时间大概4s，pmap:pmap执行时间大概2s，节约了一半的时间，呵呵。