mapreduce的数据处理策略（0基础大数据入门）

虽说随着数据处理实时性需求的不断提升，更多新的计算框架出现，MapReduce的地位受到压制，但是作为Hadoop原始计算框架，MapReduce的一些情况我们还是需要了解的。

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)"，和它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。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。

一、优点

1.易于编程：以普通程序的编程方法加上使用MapReduce提供的接口，可以快速完成分布式程序的编写;

2.良好的扩展性：计算资源得不到满足时，可以通过简单的增加计算机器来扩展计算能力;

3.高容错性：如果一个任务所在计算节点挂了，上面的计算任务可以自动转移到另外的节点上执行，即故障自动转移，这个过程是内部完成的，无需人工干预;

4.适合PB级别以上数据的离线处理。

二、缺点

1.实时计算：无法像mysql一样在毫秒级或者秒级返回计算结果；

2.流式计算：流式计算的输入数据是动态的，而MapReduce要求输入数据是静态的，已经持久化在存储上的；

3.DAG（有向无环图）计算：多个应用程序存在依赖关系，后一个应用程序的输入为前一个的输出，这种情况下，MapReduce的性能很低。因为MapReduce的每个阶段的输出结果都会先写入到磁盘中，大量的磁盘IO会造成性能的急剧下降。

随着时代的变迁，虽说一些原始的东西可能会淘汰掉，但是一定会有我们需要学习的东西，就像MapReduce一样，虽说被新的计算框架代替了许多，但是我有必要了解它的优缺点，好的东西变得更好，不好的就加以改之。