reduce阶段：和map函数一样也是程序员编写的，最终结果是存储在hdfs上的。
SQL和NoSQL数据库的对比 （1） 数据模型，SQL数据库对数据有严格的约束，包括数据之间的关系和数据的完整性。 （2） 数据处理：传统的SQL数据库满足CAP原则（一致性（Consistency）、可用性
（Availability）、分区容忍性（Partition Tolerance））的C和A，所以在P方面很弱，进而导致传统数据库在可扩展性方面，面临很多问题。NoSQL数据库满足CAP原则的A和P，所以在C比较弱，进而使得斐关系型数据库无法满足ACID要求。
（3） 接口层区别：SQL数据库都是以SQL语言对数据库进行访问的，目前所有的SQL数
据都支持SQL语言；NoSQL数据库对数据的操作都是通过一些API实现的，支持的查询功能很简单，并且不同数据库有不同的API。
（4） 优势和劣势：SQL数据库具有很高的一致性，在ACID方面能力非常强移植性很高，
但在可用性方面能力较弱。NoSQL数据库最大的优点是非常高的可扩展性，具有很强的并发处理能力，但缺乏数据一致性保证。另外，由于分布在多个服务器行，所以跨表、跨服查询很难。
Google Reduce编程模型（简单描述如何实现） 原始数据1 原始数据2 原始数据M Map Map … Map Reduce … Reduce 结果1 结果R
一个Map函数就是对一部分原始数据进行制定的操作。每个Map函数都针对不同的原始数据，因此Map和Map之间是互相独立的，这是的他们可以充分并发。
一个Reduce操作就是对每个Map所产生的一部分中间结果进行合并操作，每个Reduce所处理的Map中间结果是互相不交叉的，所有Reduce产生的最终结果经过简单的连接就形成了完整的结果集，因此Reduce也可以在并发环境下之下执行 开发者需编写 两个主要函数
Map: (in_key, in_value) ? {(keyj, valuej) | j = 1…k} Reduce: (key, [value1,…,valuem]) ? (key, final_value)
Map输入参数：in_key和in_value，它指明了Map需要处理的原始数据
Map输出结果：一组
Reduce工作：对这些对应相同key的value值进行归并处理
Reduce输出结果：（key, final_value），所有Reduce的结果并在一起就是最终结果