mapreduce优点：海量数据离线处理&易开法&容易运行
mapreduce缺点：无法实现流式计算
分布式计算小案例：统计海量数据文件中的词频
流程分析：
1.首先将输入的文件拆分成多个文件快（spliting）
2.每台机器统计每个文件快中的单词次数，根据空格等正则来拆分单词（mapping）
3.每个节点将会吧相同的单词发送到特定的某台机器上，这样每个机器就会知道特定的单词的数量（shuffing）
4.汇总单词数量（reducing）
5返回结果
mapReduce流程：
扫描二维码关注公众号，回复：
4719534 查看本文章
input <k1,v1> -> map -> <k2,v2> ->combine -> <k2,v2..> -> reduce -><k3,v3>
解释：
输入的文件hadoop会按照文件中字符的偏移量来作为k1，v1就表示该偏移量后面的内容
经过mapping过程后，每个节点会得到相应字符的统计数这时k2表示单词，v2表示个数
k3，v3与k2，v2相同
下图为流程图：
mr核心概念：
blocksize与split之间的关系：
一个文件会被拆分成多个block，这是hdfs的最小存储单元
每个block会被拆分成多个split，这是mr的最小计算单元。此时的split就对应为上图的k1，v1
每个split会交给一个mapperTask来处理，也就是map过程
之后就是shuffle过程和reduce过程
mapreduce2.x架构图
