MapReduce非常简单，易于实现且扩展性强。可以通过它轻易地编写出同
时在多台主机上运行的程序，可以使用 Ruby、Python、PHP 和 C++等非 Java类
语言编写 map和 reduce程序。MapReduce适合于处理大量的数据集，因为它会
同时被多台主机一起处理，这样通常会有较快的速度。
在 Hadoop 中，用于执行 MapReduce任务的机器角色有两个：一个是
JobTracker；另一个是 TaskTracker。JobTracker 是用于调度工作的，TaskTracker
是用于执行工作的。一个 Hadoop集群中只有一台 JobTracker。在 hadoop 中，
每个 MapReduce任务都被初始化为一个 Job，每个 Job又可以分为两个阶段：
map阶段和 reduce阶段。
Hadoop 中数据处理核心是 MapReduce 程序设计模型。一个 Map/Reduce 作
业（job） 通常会把输入的数据集切分为若干数据块，对于独立的数据块，由
map任务（task）以完全并行的方式处理它们。框架会对 map的输出先进行排
序， 然后把结果输入给 reduce任务。通常作业的输入和输出都会被存储在文件
系统中。因此，编程主要是 mapper阶段和 reducer阶段
