第七章 MapReduce详解
司徒骞尧
MapReduce是一种并行编程模型，用于大规模数据集（大于1TB）的并行计算，它将复杂的、运行于大规模集群上的并行计算过程高度抽象为两个函数：Map和Reduce。
MapReduce是单输入、两阶段、粗粒度数据并行、分布式计算框架。
适合用MapReduce来处理的数据集要满足一个前提条件：待处理的数据集可以分解成许多小的数据集，而且每一个小数据集都可以完全并行地进行处理。
MapReduce实现离线批处理
Impala实现实时交互查询分析
Storm实现流式数据实时分析
Spark实现迭代计算
并发、并行与分布式编程的概念区分
类似资料：