熟悉Hadoop的人都知道Hadoop的两个重要特性HDFS跟Mapreduce，HDFS是分布式文件管理跟传统的共享文件方式有所区别，它主动备份容错存储均衡；Mapreduce是用户根据自己的实际场景对指定文件内容进行逐行操作，当然这里涉及一些代码写法的优化。

 整体介绍完之后，谈谈Hadoop内部实现原理吧当然不会细化到具体某一行代码。先举个例子，如果现在有个文件10G大小，需要统计一下包含字母“OK”的行数，首先想到的方法就是读取文件然后逐行处理并且是在单机上，这样你的机器内存可能撑不下去，这个时候可能你会想如果不一次性把10G文件全部加载到内存中，而是分开加载呢，这就遇到了得对文件进行分割，手动复制分割？还是通过代码分割呢？最好是通过代码，不然你10G的文件在本地打开就得“半天”，提到代码必然想到java中的RandomAccessFile通过偏移量对文件进行分割生成多个文件，至此虽然生成了多个小文件但是还是在一台机器上执行，如果得用多个机器怎么办呢？而且我只想通过一台机器上点个按钮，所有机器都执行然后最后汇总内容。多个机器执行第一步，你得把刚刚分好的文件拷贝到多个机器上，然后对每台机器状态得有个“机器头头”负责监督吧，不然有机器偷懒或者有机器累死会影响最后的汇总结果。接着每个机器在收到它们的头头发送的指令之后开始逐个执行，最后将结果写成一个个的临时小文件，最后文件合并生成最后的结果。

看了上面的介绍，相信你已经对Hadoop的Mapreduce的过程有大致的了解了，这里抛砖引玉，如果各位有任何疑问都可以直接在本活动中提出，本次邀请的Hadoop技术专家美国队长（精通传统数据库Oracle，MySQL，分布式数据库greenplum跟vertica，大数据处理技术hadoop，hbase，hive，流式计算storm。）将在4月11日~4月25日期间对您提出的问题做持续的解答。

本次活动活动将评选出五个典型问题，问题的提出者将获得社区赠送的精美礼品一份。此外，对于在本场活动中点赞的会员，点赞十个以上将获得50社区金币，金币可用来下载资料，或是兑换社区商店的礼品。