MR的一些总结；大量的参考文献。

作者的风格很严谨，颇有做研究的那一套范儿，不过内容也有点太小儿科了吧，汗……

This book is great for learning the MapReduce programming model, search engine techniques and machine learning algorithms.

感觉说得抽象啊……这MapReduce看不到实体、不用实验，讲得难懂；或者是这方面基础知识太差了，不适合这本儿入门儿。弃。

很干，终于有点分布式的感觉了

2012-11-17 来湾区面试的飞机上看的

对MapReduce的概念介绍得还比较充分，例子一般

从方法论上介绍了利用MapReduce设计数据挖掘算法的一些要点。注意这个并不是一本hadoop教材。简明扼要。

对于MapReduce的初学者很有帮助，帮助读者建立MapReduce的思维方式

reduce端连接 以两个表的关联键（也就是外键）为key，map直接输出中间数据给我reduce。 一对一形式，reduce获得的列表要不是表1的要不就是表2的 一对多形式，会使用键值转换来达到value的排序 多对多形式，把数量...

二次排序 就是把value中需要排序的部分，上升到key中： 1.自定义排序：先对key中第一部分排，再对第二部分排 2.自定义partitioner：按照key中第一部分划分

反序模式 在一个mapper内部记录其处理的co-occurring对的所有数量（本地reduce） 控制mapper输出的排序，保证处理wi+1之前，所有wi元素都已经被处理 定义Partitioner，保证所有wi元素都发送到同一个Reducer 在一...

随着数据量的增长script会占用更多的内存。而pair就不会

pairs会生成比较多的中间数据给reducer script的value比较复杂，序列化和反序列化比较耗时 local aggregation方面，script更占优势。

in-mapper combining 优点是： 1、可以控制什么时候做聚合操作以及如何做，相反，如果是单独跑一个combiner的话，并能框架会调用combiner多少次，也许没有调用，也许调用很多次。 2、in-mapper combining更加高效...

小文件需要增加内存的大小。也会mapper的数量。 “shuffle and sort”阶段会有更多的文件数据在网络中传输

machine learning algorithms really don’t matter, all that matters is the amount of data you have.

at least in text processing, that of the three components discussed above (data, features, algorithms)

Petabyte datasets are rapidly becoming the norm, and the trends are clear: our ability to store data is fast overwhelming our ability to process what we store. More distressing, increases in capaci...

Petabyte datasets are rapidly becoming the norm, and the trends are clear: our ability to store data is fast overwhelming our ability to process what we store. More distressing, increases in capacity are outpacing improvements in bandwidth such that our ability to even read back what we store is deteriorating [91].

老外的书一贯的理论结合实际的很好，比国内很多的一大抄要好的多。里面都是干货。 比如他提出了Mapreduce的设计模式，并给出了很多的实际例子。 在后续的章节中，对于Web搜索，图算法和机器学习中的EM算法也做了很多深入浅出的介绍以及怎样在Mapreduce上实现的例子。 最后一章...

很好的一本文本处理领域的Mapreduce进阶书籍

简明易懂，自己实现一遍更配哦 ；) ；)；) fuxk duxk fuxk 11111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111

不错

Synthesis Lectures on Human Language Technology

Synthesis Lectures on Human Language Technologies

这本书的真正价值，在于它把MapReduce从一种分布式框架，还原成一套可被反复调用的算法设计范式。作者不满足于告诉你

Data-intensive Text Processing With Mapreduce