这个问题没有一个“正确”的答案。
我有兴趣在群集上运行Terabytes数据上的Map Reduce算法。
我想更多地了解所述算法的运行时间。
我应该阅读哪些书？
我对设置Map Reduce集群或运行标准算法不感兴趣。我需要严格的理论治疗或运行时间。
编辑：问题不在于地图减少了更改运行时间。问题是 - 大多数算法都不能很好地分配到map reduce框架。我对在map reduce framework上运行的算法感兴趣。
答案 0 :(得分：4)
从技术上讲，与“标准”算法相比，MapReduce的运行时分析没有什么不同 - MapReduce仍然是一个算法，就像任何其他算法一样（或者特别是，一类算法在多个步骤中发生，具有一定的交互作用在这些步骤之间）。
当您考虑跨多台计算机的任务划分，然后找到每个步骤所需的最大单个机器时间时，MapReduce作业的运行时仍将扩展正常的算法分析预测的方式。
也就是说，如果你有一个需要M映射操作的任务，并且R减少操作，在N台机器上运行，并且你希望平均映射操作需要花费很多时间和平均减少操作时间，那么你'将有ceil(M/N)*m + ceil(R/N)*r时间的预期运行时间来完成所有相关任务。
预测M，R，m和r的值都可以通过对插入MapReduce的算法进行常规分析来实现。
答案 1 :(得分：1)
我所知道的只有两本书已经出版，但还有更多作品正在出版：
Pro hadoop和Hadoop: The Definitive Guide
其中，Pro Hadoop更像是一本初学者书，而The Definitive Guide适合那些知道Hadoop实际上是什么的人。
我拥有The Definitive Guide并认为它是一本优秀的书。它提供了有关HDFS如何工作的良好技术细节，并涵盖了一系列相关主题，如MapReduce，Pig，Hive，HBase等。还应该注意的是，这本书是由Tom White编写的，他参与了Hadoop的开发很长一段时间，现在可以在cloudera工作。
对于Hadoop上的算法分析，您可以查看TeraByte排序基准。雅虎已经完成了Hadoop如何针对这个特定基准测试的表现：TeraByte Sort on Apache Hadoop。本文写于2008年。
可以找到有关2009年结果的更多详细信息here。
答案 2 :(得分：0)
有一本关于应用于MapReduce模型的数据挖掘算法的好书。
它是由两位斯坦福大学教授编写的，如果免费提供的话：