MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Reduce（归约）"，和它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce（归约）函数，用来保证所有映射的键值对中的每一个共享相同的键组.

请看下面示例:

输入内容有两行:

Hello World Bye World

Hello Hadoop Goodbye Hadoop

map的输入为每个数据行 即:                      

Hello World Bye World  

Hello Hadoop Goodbye Hadoop

整个map的对上面二行的存储格式：

 < Hello,1>，< World, 1> ，< Bye, 1> ，< World, 1>，< Hello, 1> ， < Hadoop, 1> ， < Goodbye, 1>，<Hadoop,1>

对于Reduce的输入为下面格式的数据：

<Bye,1>,<Goodbye,1>  ,<Hadoop,1> ,<Hadoop,1>  ,<Hello,1>  ,<Hello,1> ,<World,1>,<word,1>

Reduce的存储方式则如下：

< Bye, 1>  < Goodbye, 1> < Hadoop, 2>< Hello, 2> < World, 2> 

和map存储格式相比较，reduce的方式是不是好很多，节约了大量空间。

Hadoop Map/Reduce的过程