10月10每日打卡

MapReduce模型简介：
MapReduce将复杂的、运行于大规模集群上的并行计算过程高度地抽象到了两个函数：Map和Reduce。
编程容易，不需要掌握分布式并行编程细节，也可以很容易把自己的程序运行在分布式系统上，完成海量数据的计算。
MapReduce采用“分而治之”策略，一个存储在分布式文件系统中的大规模数据集，会被切分成许多独立的分片（split），这些分片可以被多个Map任务并行处理。
MapReduce设计的一个理念就是“计算向数据靠拢”，而不是“数据向计算靠拢”，因为，移动数据需要大量的网络传输开销。
MapReduce框架采用了Master/Slave架构，包括一个Master和若干个Slave。Master上运行JobTracker，Slave上运行TaskTracker。
Hadoop框架是用Java实现的，但是，MapReduce应用程序则不一定要用Java来写。

MadReduce的特点：
MapReduce基于Google发布的并行计算框架。MapReduce论文设计开发，用于大规模数据集（大于1TB）的并行计算，具有如下特点：

易于编程：程序员仅需描述做什么，具体怎么做由系统的执行框架处理。
良好的扩展性：可通过添加结点以扩展集群能力。
高容错性：通过计算迁移或数据迁移等策略提高集群的可用性与容错性。