Algorithm 使用Map和Reduce技术进行排序

给定一个庞大的整数数据集，使用map和reduce技术与传统的排序算法（如quicksort和mergesort）相比有什么优势？

我没有弄错，但MapReduce实际上使用了排序算法（如quicksort和mergesort）对reduce步骤的输入进行排序。MapReduce不是一种新的排序算法，它只是一种处理数据的方法。按照排序的步骤，这只是一个很好的副作用。

Map/reduce或多或少只是描述并行计算的一种（可伸缩的、通用的）方式。因此，如果您想将传统的排序算法，如mergesort或quicksort，表示为map/reduce，如果您想将其作为并行计算

---

这不是“map/reduce是否比mergesort或quicksort更好”的问题，因为map/reduce只是一个并行实现排序算法（如mergesort或quicksort）的工具。

感谢您的回复。我想知道，由于我们可以直接对数据应用快速排序或合并排序，处理过程如何加快数据的排序。直到数据集太大，单台机器无法处理为止。或者您希望在此过程中进行额外的处理，例如映射步骤中的过滤器元素或减少步骤中的分组。mergesort还不够吗？我们可能会分割数据集，在分布式机器上对它们进行排序，然后合并收集的结果？当然，MapReduce并不像我已经说过的那样是一种排序算法。这只是一个很好的副作用。实际上，MapReduce正在做与您所遇到的相同的事情，它需要大小相等的拆分并将其分发，它们将被排序，在reduce步骤开始之前，整个集合将被合并。（如果有多个reduce，则会进行分区）但是在映射和分区方面会有额外的开销。也许这会有所帮助，也就是说，“并行”进行排序确实会有很大的开销，这在很大程度上取决于并行化的方式和精确的实现。当然，对于较小的输入大小，只需按顺序操作将是最好的，但“小”的定义因您的方法而异。（一台机器上有多个处理器？分布在世界各地的分布式计算？）