如何解决为什么 MapReduce 是这样命名的?
我是 Hadoop 的初学者。我试图理解为什么 MapReduce 是这样命名的。
据我所知,它基本上是先转换以过滤数据,然后将其聚合以产生一些输出。
为什么过滤或转换称为映射?这个操作怎么算作映射?
为什么那个聚合操作叫做reduce?在这里,至少我可以想象聚合会将输入数据集减少到有限数量的值。
我试图从语义角度理解 MapReduce 的含义。
解决方法
为了找到 MapReduce 术语背后的原因,我们必须回到构成这个特定编程范式的那些元素的根源。这意味着我们需要谈论(尽可能准确,少无聊)函数式编程。
简而言之,Wikipedia 的函数式编程是:
一种声明式编程范式,其中函数定义是将值映射到其他值的表达式树,而不是更新程序运行状态的一系列命令式语句。
这基本上意味着该模型的重点是函数的应用,而不是不是专注于对状态所做的更改的命令式编程。因此,通过使用函数式代码,执行中的函数不会真正依赖或操作其范围之外的数据(正如 here 所说的那样)。
“好吧,这与 MapReduce 有什么关系?”
嗯,MapReduce 直接受到函数式编程的启发,因为 Map 和 Reduce 函数是函数式编程中使用的基本函数。当然,MapReduce 还为执行添加了许多其他阶段,例如 Combine、Shuffle、Sort 等,但模型的核心思想源于上述函数式编程的思想。
关于映射,在函数意义上,它被描述为一个接收两个参数的函数,一个函数和一个值列表。 Map 函数本质上是在列表的每个值上实现该函数以返回结果的输出列表。您确实可以将其称为一种“过滤”,但是除了“过滤”它们之外,还可以通过更多方式来操作数据。 Map 函数的主要目标是将输入数据更改为所需的形式,以便接下来在 Reduce 函数中进行计算。
现在谈论Reduce,它遵循类似的方法。这里也给出了两个参数,一个函数和一个将要实现该函数的值列表。由于这里的值列表是来自 Map 函数输出的转换后的数据集合,剩下要做的就是处理它们并达到所需的结果。根据您对 MapReduce 作业步骤的抽象意义的了解,当您将 Reduce 函数描述为尝试聚合输入数据时,您就有了正确的想法。但是,该过程中“缺失”的一件事是如何以及基于什么聚合这些输入数据。如上所述,这就是 Map 函数的主要本质。
综上所述,我们可以理解,MapReduce 模型是以抽象实现的函数式编程的这两个基本功能命名的,因此该模型本质上遵循了后者的语义契约。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。