我正在阅读O'Reilly CouchDB的书。我对第64页的reduce / re-reduce / incremental-MapReduce部分感到困惑。在O'Reilly的书中用句子留下了很多东西
如果您有兴趣推动CouchDB的增量减少功能，请查看Google关于Sawzall的论文，......
如果我正确理解“incremental”这个词，它指的是B树数据结构中的某种加法运算。我还不明白为什么它比典型的map-reduce有些特别，可能还没有理解它。在CouchDB中，它提到了map函数没有副作用 - 这是否也适用于reduce？
为什么CouchDB中的MapReduce被称为“增量”？
答案 0 :(得分：8)
This页面解释了它。
视图（这是CouchDB中map reduce的重点）可以通过重新索引仅自上次索引更新以来已更改的文档来更新。这是增量部分。
这可以通过要求reduce函数是refereically透明来实现，这意味着它总是返回给定输入的相同输出。
对于数组值输入，reduce函数也必须是可交换的和关联的，这意味着如果在同一个reducer的输出上运行reducer，您将收到相同的结果。在该维基页面中，它表示为：
f(Key, Values) == f(Key, [ f(Key, Values) ] )
Rereduce是从多个reducer调用中获取输出并再次通过reducer运行的地方。这有时是必需的，因为CouchDB通过减速器批量发送东西，所以有时并不是所有需要减少的密钥都会在一次性发送后发送。
答案 1 :(得分：8)
为了略微添加user1087981所说的内容，reduce功能是增量的，因为CouchDB执行reduce过程的方式。
CouchDB使用它从视图函数创建的B树，实质上它在数组中执行减少计算。这是来自O'Reilly Guide的B树的一个非常简单的模型，显示the example in the section you quoted from的叶节点。
Reduce B-Tree http://guide.couchdb.org/draft/views/02.png
那么，为什么这种增量呢？好吧，最终的reduce只在查询时执行，所有 reduce 计算都存储在B-Tree视图索引中。因此，假设您向数据库添加了另一个"fr"值的新值。上面第1，第2和第4个节点的计算不需要重做。添加了新的"fr"值，仅为该第3个叶节点重新计算reduce函数。
然后在查询时，对索引值执行最终（rereduce=true）计算，并返回最终值。您可以看到reduce的这种增量特性允许重新计算相对于添加的新值的时间，而不是现有数据集的大小。
没有副作用是这个过程的另一个重要部分。例如，如果您的reduce函数依赖于在遍历所有值时维护的其他某个状态，那么这可能适用于第一次运行，但是当添加新值并进行增量reduce计算时，它将不会没有相同的状态可用 - 因此无法获得正确的结果。这就是为什么reduce函数需要无副作用的原因，或者user1087981将它“引用透明”
