• Hadoop的主要执行（计算）框架
• 大而化小、异而化同
• 每个阶段都是用键值对作为输入和输出
• Job = Map + Reduce
• 通过map和reduce两个操作实现了并行分布式计算框架，mapreduce的中间计算结果需要存储在HDFS的磁盘中，频繁访问磁盘极大降低了数据处理的效率；Mapreduce只提供map和reduce两个操作，大量的操作需要开发者重写代码来实现，实现成本较高

PC机分为三类：

• Master（负责调度，相当于工地的工头）
• Worker（相当于干活的工人）
  • Mapper（处理任务）
  • Reducer（汇总工作）
    举例来说，统计一系列文档中的词频。文档数量规模很大，有1000万个文档，英文单词的总数可能只有3000（常用的）。
    那么input M=10000000，output N=3000。于是，我们搞了10000个PC做Mapper，100个PC做Reducer。每个Mapper做1000个文档的词频统计，统计之后把凡是和同一个word相关的统计中间结果传给同一个Reducer做汇总。比如某个Reducer负责词表中前30个词的词频统计，遍历10000个PC，这10000个Mapper PC把各自处理后和词表中前30个词汇相关的中间结果都传给这个Reducer做最终的处理分析。

缺陷：
第一，一个Map Reduce任务只有Map和Reduce两个阶段，复杂的计算需要大量的Job共同完成，Job之间的依赖关系需要由开发者自己管理，这增加了开发者的研发难度。
第二，Hadoop在进行Map Reduce计算的过程中，会将map的计算结果写入到本地磁盘或Hadoop分布式文件系统(Hadoop Distributed File System，HDFS)上，然后再通过shuffle过程将计算结果发送到reduce上进行处理，反复的磁盘读写使Hadoop不能够满
足低延迟的交互式数据挖掘任务的要求。
第三，时间延迟高，Reduce Task需要等待所有Map Task都完成后才可以开始