贡献
parallelization,
fault-tolerance,
locality optimization,
load balancing
心得
restricting the programming model makes it easy to parallelize and distribute computations and to make such computations fault-tolerant.
瓶颈
网络带宽
Map
{
拆分数量: M 远大于worker机器数 一个worker处理多个任务增强了动态负载均衡且加快了宕机恢复速度：the many map tasks it has completed can be spread out across all the other worker machines
Output: R个临时文件 原子性
完成后：message master，包括R个临时文件的名字（若master已经收到过这个task的信息，则忽略此信息），master将这R个临时文件的名字记录到master data structure
Combiner Function：map完成后可以使用自定义Combiner Function将结果合一下，生成中间文件
输入文件备份：GFS将输入文件分成64MB的块，并存储3个备份，当一个map task 失败时，会启用一个靠近存储输入备份的worker（如在同一个交换机下）
}
Reduce
{
拆分数量: R 远大于worker机器数
Output: 1个文件 原子性
完成后：原子性重命名临时输出文件为最终输出文件（当多个备份任务也完成时，GFS保证一个任务只有一个输出文件，没有重复的）
}
partition: hash(key) mod R
Master Data Structures
{
state: idle, in-progress, completed
identity of the worker machine
locations and sizes: of the R 个map任务的中间文件
}
Fault Tolerance
Worker Failure
Map:
已完成的任务：中间文件已保存至GFS，无需重新运行
未完成的任务：中间文件保存在本地，需重新运行
所有运行Reduce任务的worker会收到map worker重新运行通知，还没有从失败worker A读数据的reduce worker会从另一个重新运行任务的worker B读数据
Master Failure
master周期性写checkpoint
从上一个checkpoint重新运行
Backup Tasks
无论是主任务还是备份任务完成，任务都将被标记为完成
Skipping Bad Records
每个worker都安装了一个signal handler
运行map或reduce之前，会将argument的序列号记录在一个全局变量中
遇到错误时，会将此序列号发给master
如果某个record有多个失败，它会被跳过
其他
Debug
由于分布式不好debug，google开发了一个本地MapReduce用于调试，所有操作串行执行
Status Information
master有一个http服务器用于显示info，如哪些worker失败了，它们导致哪些map和reduce任务失败了
分析bug有用
Counters
worker的count value附在ping的response中回给master
使用GO实现MapReduce的心得
- worker id 不能复用，crashedWorker的answer要直接抛弃。存在crashedWorker复活情景：crashedWorker由于运行时间过长被master认为crash，但中途没有worker对这个task answer，然后crashedWorker正常answer
- hash出来的值不一定能覆盖到所有范围，如[0,nReduce)，可能只有4个值能取到
- 函数参数赋值和普通赋值均是复制成一个新变量，修改新变量不会影响老变量，注意指针问题