为什么 MapReduce 是这样命名的？
Why MapReduce is is named like that?
我是 Hadoop 的初学者。我想了解为什么 MapReduce 是这样命名的。
据我了解，它基本上是先转换数据以过滤数据，然后聚合数据以产生一些输出。
为什么过滤或转换称为映射？那个操作怎么算作映射？
为什么那个聚合操作叫做归约？在这里至少我可以想象聚合将输入数据集减少到有限数量的值。
我试图从语义的角度来理解MapReduce的含义。
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。这意味着我们需要讨论（尽可能准确且尽可能不乏味）函数式编程。
简而言之，Wikipedia 的函数式编程是：
a declarative programming paradigm in which function definitions are trees of expressions that map values to other values, rather than a sequence of imperative statements which update the running state of the program.
这基本上意味着该模型的重点是函数的应用，而不是强调对状态进行更改的命令式编程。因此，通过使用函数式代码，执行中的函数并不真正依赖或操作其范围之外的数据（正如 here 所说的那样）。
"Ok, and what does that have to do with MapReduce, anyhow?"
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 还有许多其他附加的执行阶段，例如 Combine、Shuffle、Sort 等., 但该模型的核心思想源于上述函数式编程的思想。
关于映射，在功能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 return 输出结果列表。您确实可以将其称为一种“过滤”，但是可以通过更多方式操作数据，而不仅仅是“过滤”它们。 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。
现在谈到 Reduce，它遵循类似的方法。这里也给出了两个参数，一个函数和一个值列表，函数将在其中实现。由于此处的值列表是来自 Map 函数输出的转换后的数据集合，因此剩下要做的就是处理它们并获得所需的结果。凭借您对 MapReduce 作业该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，您的想法是正确的。不过，该过程中“缺少”的一件事是 how 并且基于 what 将聚合这些输入数据。而这就是Map函数的主要本质，如上所述。
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后者的语义契约。
开始自行探索所有这些以及更多内容
我是 Hadoop 的初学者。我想了解为什么 MapReduce 是这样命名的。
据我了解，它基本上是先转换数据以过滤数据，然后聚合数据以产生一些输出。
为什么过滤或转换称为映射？那个操作怎么算作映射？
为什么那个聚合操作叫做归约？在这里至少我可以想象聚合将输入数据集减少到有限数量的值。
我试图从语义的角度来理解MapReduce的含义。
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。这意味着我们需要讨论（尽可能准确且尽可能不乏味）函数式编程。
简而言之，Wikipedia 的函数式编程是：
a declarative programming paradigm in which function definitions are trees of expressions that map values to other values, rather than a sequence of imperative statements which update the running state of the program.
这基本上意味着该模型的重点是函数的应用，而不是强调对状态进行更改的命令式编程。因此，通过使用函数式代码，执行中的函数并不真正依赖或操作其范围之外的数据（正如 here 所说的那样）。
"Ok, and what does that have to do with MapReduce, anyhow?"
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 还有许多其他附加的执行阶段，例如 Combine、Shuffle、Sort 等., 但该模型的核心思想源于上述函数式编程的思想。
关于映射，在功能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 return 输出结果列表。您确实可以将其称为一种“过滤”，但是可以通过更多方式操作数据，而不仅仅是“过滤”它们。 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。
现在谈到 Reduce，它遵循类似的方法。这里也给出了两个参数，一个函数和一个值列表，函数将在其中实现。由于此处的值列表是来自 Map 函数输出的转换后的数据集合，因此剩下要做的就是处理它们并获得所需的结果。凭借您对 MapReduce 作业该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，您的想法是正确的。不过，该过程中“缺少”的一件事是 how 并且基于 what 将聚合这些输入数据。而这就是Map函数的主要本质，如上所述。
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后者的语义契约。
开始自行探索所有这些以及更多内容