Map-Reduce编程模型源于map和reduce函数，这些函数存在于函数语言中，如Lisp和Scheme可以追溯到很多年。
我记得大学（90年代初期），即便在那时我被告知Map-Reduce在可扩展性方面具有优势。
目前我们都知道Hadoop和来自Google的原始版本是从中复制的。 我想知道的是，“旧”函数语言中存在哪些选项可以在至少几个计算节点上进行Map-Reduce？
或者这些功能在纸上看起来不错，但在谷歌做之前没有人真正构建过这个功能吗？
答案 0 :(得分：8)
Map / Reduce是 data parallelism 的特例。
数据并行性（不仅仅是map和fold）广泛用于高性能计算语言和并行函数语言。谷歌和其他人已经为他们的用例构建了一个高度优化（受限制）的分布式编程模型，但是他们肯定完全了解其他地方的这项工作的起源和状态。
HPC语言，例如
和纯函数式语言，具有完整数据并行性：
都支持全数据并行编程模型，适用于分布式或多核系统。特别是，Chapel，Fortress和X10旨在为全球最大的计算机集群提供大规模可扩展性。许多其他语言支持并行映射和折叠的一些概念（例如Erlang，Clojure，Scala，F＃）。
因此，Google肯定将数据并行性推广为map / reduce的基本形式，但这不是故事的结尾。