我正在阅读hadoop权威指南，它写的是Map Reduce有利于更新数据库的更大部分，它使用Sort＆amp;合并以重建依赖于传输时间的数据库。
此外，RDBMS仅适用于更新大型数据库的较小部分，它使用受寻道时间限制的B树
有人可以详细说明这两种说法的真正含义吗？
答案 0 :(得分：0)
我不太清楚这本书是什么意思，但如果你还有原始数据，你通常会做一个地图缩减工作来重建整个数据库/任何东西。
hadoop真正的好处在于它是分布式的，因此性能不是真正的问题，因为你可以添加更多的机器。
让我们举一个例子，您需要重建一个包含10亿行的复杂表。使用RDBMS，您只能垂直扩展，因此您将更多地依赖CPU的功能以及算法的速度。您将使用一些SQL命令执行此操作。您需要选择一些数据，处理它们，做东西等等。因此您很可能会受到寻道时间的限制。
使用hadoop map reduce，你可以添加更多的机器，因此性能不是问题。让我们说你使用10000个映射器，这意味着任务将被分成10000个映射器容器，并且由于hadoop的性质，所有这些容器通常已经在其本地存储的硬盘上有数据。每个映射器的输出始终是其本地硬盘上的键值结构化格式。这些数据由映射器使用密钥进行排序。
现在的问题是，他们需要将数据组合在一起，因此所有这些数据都将被发送到reducer。这通过网络发生，如果你有大数据，通常是最慢的部分。 reducer将接收所有数据，并将它们合并排序以进行进一步处理。最后，您有一个可以上传到您的数据库的文件。
如果您拥有大量数据，那么从映射器到reducer的转移通常是最长的时间，而网络通常是您的瓶颈。也许这就是它的意思，取决于转移时间。