MapReduce 计算模型的核心是Map函数和Reduce函数，试述这两个函数各自的输人、输出以及处理过程。

A.一个Map函数就是对一部分原始数据进行指定的操作

B.一个Map操作就是对每个Reduce所产生的一部分中间结果进行合并操作

C.Map与Map之间不是相互独立的

D.Reduce与Reduce之间不是相互独立的

A.MapReduce的编程模型包含Map和Reduce两个函数处理过程。

B.对于map和reduce每个过程都由不同的计算机进行并行计算处理。

C.Map的输出结果是一组＜key,value＞ 对，这是经过Map操作后所产生的中间结果。

D.Reduce的工作是对相同key的value值进行归并处理。

A、MapReduce是一个分布式/并行编程模型，程序员通常只需要设计实现map和reduce函数

B、Shuffle过程是贯穿于map和reduce两个过程的

C、Hadoop MapReduce 1.0框架中TaskTracker负责集群资源的管理和调度

D、map和reduce的输入输出都是键值对

A.map函数

B.select函数

C.filter函数

D.reduce函数

A.MapReduce采用“分而治之”策略

B.MapReduce设计的一个理念就是“数据向计算靠拢”，而不是“计算向数据靠拢”

C.MapReduce体系结构主要由四个部分组成，分别是：Client、JobTracker、TaskTracker和Task

D.MapReduce将复杂的、运行于大规模集群上的并行计算过程高度地抽象到了两个函数，Map和Reduce

A.哈希函数处理过的数据是双向性的

B.哈希函数处理过的数据是单向性的

C.哈希函数处理不同长度的数据所耗费的时间是不一致的

D.哈希函数的输入值如果只相差一个字节，输出值的结果也会相同