Hadoop MapReduce 作为一种分布式计算框架的核心技术

先来举个例子：
假设现在需要对某个院子内的车辆进行数量统计，具体到各个品牌分别有多少辆，你会采取怎样的方式去完成这项任务？
铁蛋表示这很简单，他打算从前往后逐一统计，虽然过程繁琐但最终能够完成。
然而，如果任务范围扩大到一个县城或一个区域，你又会如何应对？
这时铁蛋召集了他的几位朋友，如铁柱、二虎、波仔、妞妞和小花等，安排每个人负责一个院子的统计工作。待各自完成后再进行统一汇总。
这样是不是效率更高且操作更为简便？
铁蛋一边说着一边拍胸脯保证，他表示别说是一个县的规模，只要拥有的朋友足够多，任何任务都能轻松应对。
通过这个例子可以看出，我们实际上是将任务进行了分散处理，并在最后阶段进行了集中汇总。接下来我们将正式进入主题。

MapReduce框架解析

为何命名为MapReduce，而非诸如小XXOO、Apache SS等名称？
MapTask—并行处理，例如铁蛋的多位朋友同时外出进行车辆统计。
ReduceTask—汇总处理，即在完成个人统计后进行整体结果的整合，最终得出全面的数据结论。

1.1 图片水平来看----