大数据处理 - Map & Reduce

[TOC]

MapReduce是一种计算模型, 本质上是分治/hash_map/归并排序这种方式在分布式下的延伸。

1. Map & Reduce简介

MapReduce是一种计算模型，简单的说就是将大批量的工作(数据)分解(MAP)执行，然后再将结果合并成最终结果(REDUCE)。这样做的好处是可以在任务被分解后，可以通过大量机器进行并行计算，减少整个操作的时间。但如果你要我再通俗点介绍，那么，说白了，Mapreduce的原理就是一个归并排序。

• 适用范围: 数据量大，但是数据种类小可以放入内存

• 基本原理及要点: 将数据交给不同的机器去处理，数据划分，结果归约。

2. 相关题目

• The canonical example application of MapReduce is a process to count the appearances of each different word in a set of documents:

• 海量数据分布在100台电脑中，想个办法高效统计出这批数据的TOP10。

• 一共有N个机器，每个机器上有N个数。每个机器最多存O(N)个数并对它们操作。如何找到N^2个数的中数(median)?

3. 参考

• https://blog.csdn.net/v_JULY_v/article/details/7382693

• https://www.pdai.tech/md/algorithm/alg-domain-bigdata-map-reduce.html