7.1 mapreduce
mapreduce编程：
同步工具：
实现时需要注意的地方：
本地聚合的重要性：
字数统计：
map进化1：引入数组H(仍然需要combiner)
map进化2：把数组H变为全局变量，map结束后再将H输出
(in-mapper的实现)本地聚合的设计模式：
将combiner的功能集成到mapper中(速度更快，in-mapper是内存上的操作->需要内存管理)
计算平均数：
combiner的设计：
example：
map version1：(此时reducer不能代替combiner)
version 2：(存在的问题：mapper的输出不是reducer的输入->影响了程序的正确性)
version 3：正确版本
in-mapper版本：(此时不需要combiner，可以减少通信量)
单词共现矩阵的计算：
方法1：词对法
存在的问题：
估计相对频率：
同步的实现：将同步变成一个排序问题
方法2：条纹法
存在的问题：
估计相对频率：
同步的实现：构造数据结构使部分结果聚集到一起
再现概括总结：同步工具
tradeoff：
