谷歌“三駕馬車”的出現，才真正把我們帶入了大數據時代，畢竟沒有谷歌，就沒有大數據。 上次的分享，我們對谷歌的其中一駕寶車 GFS 進行了管中窺豹，雖然只見得其中一斑，但是也能清楚的知道 GFS 能夠把大量廉價的普通機器，聚在一起，充分讓每台廉價的機器發揮光和熱，不但降低了運營成本，而且解決了一個業界 ...
谷歌“三駕馬車”的出現，才真正把我們帶入了大數據時代，畢竟沒有谷歌，就沒有大數據。
上次的分享，我們對谷歌的其中一駕寶車 GFS 進行了管中窺豹，雖然只見得其中一斑，但是也能清楚的知道 GFS 能夠把大量廉價的普通機器，聚在一起，充分讓每台廉價的機器發揮光和熱，不但降低了運營成本，而且解決了一個業界數據存儲的難題。
雖然 GFS 解決了 Google 海量數據的存儲的難題，但是隨之而來的就是“如何從海量數據中快速計算並得到結果的難題”，面對這個難題，誰痛誰想辦法，Google 再次進行技術創新，重磅推出另一篇論文《MapReduce: Simplified Data Processing on Large Clusters》，接下來就一起認識認識 MapReduce。
認識
到底是個啥？說白了，MapReduce 其實就是一個為了簡化海量數據處理而提出的編程模型。
主要思想：分而治之，將一個大規模的問題，分成多個小規模的問題，把多個小規模問題解決，然後再合併小規模問題的解，就能夠解決大規模的問題。
編程模型：我們只需要通過編寫 Map 函數和 Reduce 函數來指定想要進行的計算，而不用花心思去糾結背後複雜的容錯、數據分發、負載均衡等等一系列技術細節問題。MapReduce 所執行的分散式計算會以一組鍵值對作為輸入，輸出另一組鍵值對。
怎麼想的？原來是受 Lisp 以及其它一些函數式編程語言中的 map 和 reduce 原語影響而來的（如果你閑著無聊，再去瞭解 Lisp 也不遲）。
疑惑
百思要求解。說了這麼多，感覺還是一無所知，顯然是一塊硬骨頭，其實在腦海中早已蕩起千層疑問的波。
Map 函數是啥？Reduce 函數又是啥?
接下來我們一起慢慢去體會。
統計大量文檔中每一個單詞出現的次數，這也是大數據技術入門的經典案例“WordCount”，此時需要我們編寫類似上面的偽代碼。
簡單剖析這段偽代碼，希望對 Map、Reduce 函數有一個深入的認識。
剖析 1：要統計文檔每個單詞出現的次數，顧名思義 map 函數入參 key 是文件名，value 是文檔的內容，接下來逐個遍歷單詞，每遇到一個單詞 w，就輸出一個中間結果（w, "1"）。
剖析 2：reduce 函數入參 key 就是單詞 w，值是一串“1”，然後將這些“1”累加就得到單詞 w 的出現次數。
剖析 3：最後把文檔中單詞的出現次數，輸出到用戶定義的位置，例如存儲到分散式存儲系統 GFS 上。
好了，大數據入門經典案例“WordCount”的偽代碼，到這就剖析個八九不離十，雖然懵懂了不少，但是還是萌生了一些猜想和疑問。
懵懂：Map 函數是啥？Reduce 函數是啥？
Map函數：處理一個基於 key/value 鍵值對的數據集合，同時也輸出基於 key/value 的數據集合；
Reduce函數：用來合併 Map 函數輸出的 key/value 數據集合。
論文中說了，上面偽代碼中輸入輸出雖然都是字元串類型的，但事實上，Map 和 Reduce 函數都是有相應類型的。
-
map (k1, v1) -> list(k2, v2)
-
reduce (k2, list(v2)) -> list(v2)
猜想：map、reduce 函數中間感覺又觸發了“針對同一個單詞的 value 的組合（也就是把相同單詞出現的次數，串在一起）”，不然 reduce 函數怎麼能接收到 values（每個單詞對應的出現次數的一串“1”）。
騎驢看劇本，咱們還是走著瞧唄。
疑問1：map 產生的中間鍵值對，是放到記憶體、本地磁碟還是放到了 GFS 上存儲？
這個問題也是騎驢看劇本，咱們還是走著瞧唄（貌似用錯了語境，別介意，哈哈）。
疑問2：我們寫好了 Map 函數和 Reduce 函數，怎麼就跑到了多台機器上呢？
欲知後事如何，咱們還是且聽下回分解。
