————— 第二天 —————
————————————
什么是MapReduce？
MapReduce是一种编程模型，其理论来自Google公司发表的三篇论文（MapReduce，BigTable，GFS）之一，主要应用于海量数据的并行计算。
MapReduce可以分成Map和Reduce两部分理解。
1.Map：映射过程，把一组数据按照某种Map函数映射成新的数据。
2.Reduce：归约过程，把若干组映射结果进行汇总并输出。
让我们来看一个实际应用的栗子，如何高效地统计出全国所有姓氏的人数？
我们可以利用MapReduce的思想，针对每个省的人口做并行映射，统计出若干个局部结果，再把这些局部结果进行整理和汇总：
这张图是什么意思呢？我们来分别解释一下步骤：
1.Map：
以各个省为单位，多个线程并行读取不同省的人口数据，每一条记录生成一个Key-Value键值对。图中仅仅是简化了的数据。
2.Shuffle
Shuffle这个概念在前文并未提及，它的中文意思是“洗牌”。Shuffle的过程是对数据映射的排序、分组、拷贝。
3.Reduce
执行之前分组的结果，并进行汇总和输出。
需要注意的是，这里描述的Shuffle只是抽象的概念，在实际执行过程中Shuffle被分成了两部分，一部分在Map任务中完成，一部分在Reduce任务中完成。
Hadoop如何实现MapReduce？
Hadoop是Apache基金会开发的一套分布式系统框架，包含多个组件，其核心就是HDFS和MapReduce。
由于篇幅原因，文本不会对Hadoop做完整的介绍，只是简单介绍一下Haddoop框架当中如何实现MapReduce。
下面这张图是Hadoop框架执行一个MapReduce Job的全过程：
这里需要对几种实体进行解释：
HDFS:
Hadoop的分布式文件系统，为MapReduce提供数据源和Job信息存储。
Client Node:
执行MapReduce程序的进程，用来提交MapReduce Job。
JobTracker Node:
把完整的Job拆分成若干Task，负责调度协调所有Task，相当于Master的角色。
TaskTracker Node:
负责执行由JobTracker指派的Task，相当于Worker的角色。这其中的Task分为MapTask和ReduceTask。
最后，祝愿有志向成为大数据工程师的小伙伴们，以及小灰的所有读者们，在新的一年顺利达成梦想！
—————END—————
