并行wordcount的MapReduce实现

wordcount ：一个文本处理中常用的程序，用来统计文件中所有单词出现的次数。

MapReduce是Google提出的一个软件架构，用于大规模数据集（大于1TB）的并行运算。概念“Map（映射）”和“Reduce（归纳）”，及他们的主要思想，都是从函数式编程语言借来的，还有从矢量编程语言借来的特性。

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（归纳）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。
————维基百科

接下来将介绍Map-Reduce实现并行处理wordcount的核心思想

具体步骤

1、将所有需要统计单词出现数量的文件进行分组，一个分组发射到一个mapper（最简单的就是一个文件对应于一个mapper）

2、map阶段，对每个分组中的文件进行统计，对每个单词生成一个键值对（key：单词，value：出现次数）。更简单的实现方式为：每出现一个单词，生成一个键值对（key：单词，value：1）

3、对mapper生成的所有键值对进行排序整合

4、reduce阶段，对每个单词出现的次数进行求和。输入为键值对（key：单词，value：出现次数的集合），输出为（key：单词，value：出现总次数）。