MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Reduce（归约）"，它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce（归约）函数，用来保证所有映射的键值对中的每一个共享相同的键组。

• 面向批处理的计算（主从模式），主要做离线处理
• 一是软件框架，二是并行处理，三是可靠且容错，四是大规模集群，五是海量数据集。

一、MapReducer做什么

MapReduce擅长处理大数据，它为什么具有这种能力呢？这可由MapReduce的设计思想发觉。MapReduce的思想就是“分而治之”。（用空间换时间）

1、Mapper

Mapper负责“分”，即把复杂的任务分解为若干个“简单的任务”来处理。其中，简单的任务分为三层含义：

1. 一是数据或计算的规模相对原任务要大大缩小；
2. 二是就近计算原则，即任务会分配到存放着所需数据的节点上进行计算；
3. 三是这些小任务可以并行计算，彼此间几乎没有依赖关系

2、Reducer

Reducer负责对map阶段的结果进行汇总。至于需要多少个Reducer，用户可以根据具体问题，通过在mapred-site.xml配置文件里设置参数mapred.reduce.tasks的值，缺省值为1。

二、MapReducer工作机制

Master中就是 JobTracher，Slave做具体的任务（TaskTracker）  【计算向数据靠拢】

1. 收入的数据通过split（分片）把数据分割，分发到不同节点上 【分片是mapper任务的最小单位】
2. 每个Mapper任务在split进行处理
3. Mapper任务输出数据
4. 在shuffle过程中，节点数据交换
5. 同样key值的中间data被送到同样的Reducer中 【Reducer做Mapper任务数据的归并】

• JobTracker负责调度构成一个作业的所有任务，这些任务分布在不同的TaskTracker上
• TaskTracker负责执行由JobTracker指派的任务，这里我们就可以将其理解为开发工程师，完成项目经理安排的开发任务即可。 

 三、MapReducer的输入输出

MapReduce框架运转在<key,value>键值对上，也就是说，框架把作业的输入看成是一组<key,value>键值对，同样也产生一组<key,value>键值对作为作业的输出，这两组键值对有可能是不同的。

一个MapReduce作业的输入和输出类型如下图所示：可以看出在整个流程中，会有三组<key,value>键值对类型的存在。