标签：
1）处理的数据比较大，而且数据都是分布存储在datanode中。
2）由于数据量比较大，而java程序比较小，所以将程序放到每一个数据节点上执行会节省数据传输的时间。而且可以实现并行计算，提高效率。
mapreduce分为两个阶段：程序在每个节点上的计算和最终结果的汇总。
上面两步是map阶段
3）map阶段的数据需要汇总起来，做着部分工作的就是reduce。在其中一个节点上添加一个reduce程序，所有map程序的结构都汇总到这个节点上，由reduce程序进行处理。
4）由于map可能会比较多，一个reduce压力比较大，所以需要多加几个reduce,实现reduce的分布式，减少一个reduce的压力。
5）由于reduce有多个，所以又出现了节点上的map不知道汇总到哪个上的问题。所以就出现了分区。分区的原则是每个reduce处理的数据基本一样
标签：
原文地址：http://www.cnblogs.com/tzq9308/p/5096809.html
