如何向妻子解释 hadoop 中的 mapreduce

justjavac 发布于 2013/09/17 14:34
阅读 1K+
收藏 6

印度 Java 程序员 Shekhar Gulati 在自己的博客发表了 “How I explained MapReduce to my Wife?” 一文,比较通俗地阐述了 MapReduce 的概念。

昨天,我在 Xebia 印度办公室发表了一个关于 MapReduce 的演说。演说进行得很顺利,听众们都能够理解 MapReduce 的概念(根据他们的反馈)。我成功地向技术听众们(主要是 Java 程序员,一些 Flex 程序员和少数的测试员)解释了 MapReduce 的概念,这让我感到兴奋。在所有辛勤的工作之后,我们在 Xebia 印度办公室享用了丰盛的晚餐,然后我径直回了家。

回家后,我的妻子(Supriya)问道:“你的会开得怎么样?”我说还不错。接着她又问我会议是的内容是什么(她不是从事软件或编程领域的工作的)。我告诉她说 MapReduce。“Mapduce,那是什么玩意儿?”她问道: “跟地形图有关吗?”我说不,不是的,它和地形图一点关系也没有。“那么,它到底是什么玩意儿?”妻子问道。 “唔…让我们去 Dominos(披萨连锁)吧,我会在餐桌上跟你好好解释。” 妻子说:“好的。” 然后我们就去了披萨店。

我们在 Domions 点餐之后,柜台的小伙子告诉我们说披萨需要15分钟才能准备好。于是,我问妻子:“你真的想要弄懂什么是 MapReduce?” 她很坚定的回答说“是的”。 因此我问道:

我: 你是如何准备洋葱辣椒酱的?(以下并非准确食谱,请勿在家尝试)

妻子: 我会取一个洋葱,把它切碎,然后拌入盐和水,最后放进混合研磨机里研磨。这样就能得到洋葱辣椒酱了。

妻子: 但这和 MapReduce 有什么关系?

我: 你等一下。让我来编一个完整的情节,这样你肯定可以在15分钟内弄懂 MapReduce.

妻子: 好吧。

我:现在,假设你想用薄荷、洋葱、番茄、辣椒、大蒜弄一瓶混合辣椒酱。你会怎么做呢?

妻子: 我会取薄荷叶一撮,洋葱一个,番茄一个,辣椒一根,大蒜一根,切碎后加入适量的盐和水,再放入混合研磨机里研磨,这样你就可以得到一瓶混合辣椒酱了。

我: 没错,让我们把 MapReduce 的概念应用到食谱上。Map 和 Reduce 其实是两种操作,我来给你详细讲解下。

Map(映射): 把洋葱、番茄、辣椒和大蒜切碎,是各自作用在这些物体上的一个 Map 操作。所以你给 Map 一个洋葱,Map 就会把洋葱切碎。 同样的,你把辣椒,大蒜和番茄一一地拿给 Map,你也会得到各种碎块。 所以,当你在切像洋葱这样的蔬菜时,你执行就是一个 Map 操作。 Map 操作适用于每一种蔬菜,它会相应地生产出一种或多种碎块,在我们的例子中生产的是蔬菜块。在 Map 操作中可能会出现有个洋葱坏掉了的情况,你只要把坏洋葱丢了就行了。所以,如果出现坏洋葱了,Map 操作就会过滤掉坏洋葱而不会生产出任何的坏洋葱块。

Reduce(化简):在这一阶段,你将各种蔬菜碎都放入研磨机里进行研磨,你就可以得到一瓶辣椒酱了。这意味要制成一瓶辣椒酱,你得研磨所有的原料。因此,研磨机通常将 map 操作的蔬菜碎聚集在了一起。

妻子: 所以,这就是 MapReduce?

我: 你可以说是,也可以说不是。 其实这只是 MapReduce 的一部分,MapReduce 的强大在于分布式计算。

妻子: 分布式计算? 那是什么?请给我解释下吧。

我: 没问题。

我: 假设你参加了一个辣椒酱比赛并且你的食谱赢得了最佳辣椒酱奖。得奖之后,辣椒酱食谱大受欢迎,于是你想要开始出售自制品牌的辣椒酱。假设你每天需要生产 10000 瓶辣椒酱,你会怎么办呢?

妻子: 我会找一个能为我大量提供原料的供应商。

我:是的..就是那样的。那你能否独自完成制作呢?也就是说,独自将原料都切碎? 仅仅一部研磨机又是否能满足需要?而且现在,我们还需要供应不同种类的辣椒酱,像洋葱辣椒酱、青椒辣椒酱、番茄辣椒酱等等。

妻子: 当然不能了,我会雇佣更多的工人来切蔬菜。我还需要更多的研磨机,这样我就可以更快地生产辣椒酱了。

我:没错,所以现在你就不得不分配工作了,你将需要几个人一起切蔬菜。每个人都要处理满满一袋的蔬菜,而每一个人都相当于在执行一个简单的 Map 操作。每一个人都将不断的从袋子里拿出蔬菜来,并且每次只对一种蔬菜进行处理,也就是将它们切碎,直到袋子空了为止。

这样,当所有的工人都切完以后,工作台(每个人工作的地方)上就有了洋葱块、番茄块、和蒜蓉等等。

妻子:但是我怎么会制造出不同种类的番茄酱呢?

我:现在你会看到 MapReduce 遗漏的阶段---|搅拌阶段。MapReduce 将所有输出的蔬菜碎都搅拌在了一起,这些蔬菜碎都是在以 key 为基础的 map 操作下产生的。搅拌将自动完成,你可以假设 key 是一种原料的名字,就像洋葱一样。 所以全部的洋葱 keys 都会搅拌在一起,并转移到研磨洋葱的研磨器里。这样,你就能得到洋葱辣椒酱了。同样地,所有的番茄也会被转移到标记着番茄的研磨器里,并制造出番茄辣椒酱。

披萨终于做好了,她点点头说她已经弄懂什么是 MapReduce 了。我只希望下次她听到 MapReduce 时,能更好的理解我到底在做些什么。

编注:下面这段话是网上其他人用最简短的语言解释 MapReduce:

We want to count all the books in the library. You count up shelf #1, I count up shelf #2. That's map. The more people we get, the faster it goes. 我们要数图书馆中的所有书。你数1号书架,我数2号书架。这就是 “Map”。我们人越多,数书就更快。

Now we get together and add our individual counts. That's reduce. 现在我们到一起,把所有人的统计数加在一起。这就是 “Reduce”。

原文链接:http://segmentfault.com/a/1190000000306998

加载中
2
surgesoft
surgesoft

要做月饼了,我去和面,A去剥花生,B去砸核桃,C去买芝麻,D去剥杏仁,E去磕瓜子,这个叫map

都弄好了集在一起,啪啪啪做成一个五仁月饼,这个就叫Reduce

0
阿里狼
阿里狼
“捣浆糊”的例子不如数书的例子明白
0
中山野鬼
中山野鬼
以前我认为我举例子就比较弯弯绕了,看了这个洋葱头,哈,真有成就感。难怪印度人这么容易自信呢。天生自我感觉良好的一类。哈。我和楼上的态度一样,还是图书馆数书的例子更好些。。
0
xtgss007
xtgss007

引用来自“中山野鬼”的答案

以前我认为我举例子就比较弯弯绕了,看了这个洋葱头,哈,真有成就感。难怪印度人这么容易自信呢。天生自我感觉良好的一类。哈。我和楼上的态度一样,还是图书馆数书的例子更好些。。
鬼哥。什么时候出c的书, 我还等着买你的书呢
0
中山野鬼
中山野鬼

引用来自“xtgss007”的答案

引用来自“中山野鬼”的答案

以前我认为我举例子就比较弯弯绕了,看了这个洋葱头,哈,真有成就感。难怪印度人这么容易自信呢。天生自我感觉良好的一类。哈。我和楼上的态度一样,还是图书馆数书的例子更好些。。
鬼哥。什么时候出c的书, 我还等着买你的书呢
最近在折腾产品原型。等折腾确认了, 回到开发状态,自然书继续了。哈。
0
liangtee
liangtee
这个文章2011年就有了,,印度佬啰嗦一通还不如百度讲的明白
0
stevenliu
stevenliu
我怎么感觉你在讲map呢!
返回顶部
顶部