##1.2 MapReduce优缺点

优点

(1）MapReduce易于编程

它简单的实现一些接口（比如Mapper、Reducer等），就可以完成一个分布式程序的开发，分布式程序可以运行在大量廉价的PC机器上。也就是说你写一个分布式程序，跟写一个简单的串行程序是一模一样的。因此使得MapReduce编程变得非常流行。及时对分布式不太了解，也可以开发分布式分析程序。

(2）良好的扩展性

当你的计算资源不够用的时候，你可以通过简单的增加机器来扩展它的计算能力。

(3）高容错性

MapReduce设计的初衷就是使程序能够部署在廉价的PC机器上，这就要求它具有很高的容错性。比如其中一台机器挂了，它可以把上面的计算任务转移到另外一个节点上运行，不至于这个任务运行失败，而且这个过程不需要人工参与，而完全是由Hadoop内部完成的。

(4）适合TB+级别海量数据的离线处理

可以实现数以千计的服务器集群并发工作，提供数据处理能力。

缺点

(1）不擅长实时计算

MapReduce无法像MySQL、Spark、Flink一样，在毫秒或者秒级内返回结果。

(2）不擅长流式计算

流式计算的输入数据是动态的，而MapReduce的输入数据集是静态的，不能动态变化。这是因为MapReduce自身的设计特点决定了数据源必须是静态的。

(3）不擅长DAG（有向无环图）计算

多个应用程序存在依赖关系，后一个应用程序的输入为前一个的输出。在这种情况下，MapReduce并不是不能做，而是使用后，每个MapReduce作业的输出结果都会写入到磁盘，会造成大量的磁盘IO，导致性能非常的低下。