分布式并行编程用于解决大规模数据的高效处理问题。分布式程序运行在大规模计算机集群上，集群中计算机并行执行大规模数据处理任务，从而获得海量计算能力。
MapReduce是一种并行编程模型，用于大规模数据集的并行运算，将复杂的运行于大规模集群上的并行计算过程抽象到Map和Reduce两个函数。MapReduce采用“分而治之”的策略，将存储在分布式文件系统的大数据集切分成独立小数据块（即Split，分片），这些分片可以被多个Map任务并行处理。MapReduce强调“计算向数据靠拢”而非“数据向计算靠拢”，传统模式下，对数据进行处理时需要将待处理的数据集中到程序所在机器上（数据向计算靠拢），数据的移动需要-，MapReduce模型下，一般将