MapReduce核心思想及其运行流程介绍（简洁明了）

1、MapReduce概述

MapReduce是Hadoop中面向大数据并行处理的计算模型、框架和平台。MapReduce用于海量数据的并行计算，它采用“分而治之”的思想，把大规模数据集的操作分发到多个机器去共同完成，然后对各个节点的中间结果进行整合后得到最终的结果。

2、MapReduce的核心思想

当启动一个MapReduce任务时，作业会将输入的数据集切分成若干独立的数据块，由Map端将数据映射成需要的键值对类型，然后对Map的输出进行排序，再把结果输入Reduce端；Reduce端接收Map端传过来的键值对类型的数据，根据不同键分组，对每一组键相同的数据进行处理，得到新的键值对并输出，这就是MapReduce的核心思想。

3、MapReduce编程模型

MapReduce是一种编程模型，它由Map和Reduce两个阶段组成。Map表示“映射”，由一定数量的Map Task组成；Reduce表示“归约”，由一定数量的Reduce Task组成。

3.1、MapReduce运行过程

在Map阶段，用户自定义的map()函数接收<key,value>对作为输入，执行map()函数逻辑，产生新的<key,value>对并写入本地磁盘，MapReduce框架会对这些中间结果进行排序，并将key相同的数据放在一起形成新的列表，同意交给reduce()函数处理。
在Reduce阶段，reduce()函数接收key及对应的value列表作为输入，将key值相同的value值合并后，产生新的<key,value>对输入到HDFS上。

3.2、MapReduce编程三部曲

（1）输入Input。MapReduce输入一系列k1/v1对。
（2）Map和Reduce阶段。Map：(k1,v1)->list(k2,v2)，Reduce：(k2,list(v2))->list(k3,v3)。其中k2/v2是中间结果对。
（3）输出Output。MapReduce输出一系列k3/v3对。

4、MapReduce词频统计

ps：以上便是MapReduce的基本介绍。
ps：望多多支持，后续更新中。