MapReduce 的強項是「把超大量、分散在許多機器上的資料，做同一種規則的平行處理，再把結果彙整」。它最常見在離線批次任務：清洗、統計、聚合、排序、建立索引等。幾個實際用途與案例：
- 搜尋引擎的倒排索引（Inverted Index）
- Map：讀網頁 → 斷詞 → 輸出 (term, docID)
- Reduce：同一 term 的 docID 清單合併、去重與位置資訊彙整 → 生成倒排索引
- 大規模日誌分析（網站/APP/IoT）
- Map：解析每行 Nginx/APP log → 輸出 (url, 1)、(userId, bytes) 等
- Reduce：按 key 加總 → PV/UV、流量、錯誤率、最常見的 404 路徑
- ETL 與資料清洗
- Map：解析原始 CSV/JSON，欄位校正、缺值處理、標準化 → 輸出 (entityId, normalizedRecord)
- Reduce：同一 entity 聚合最新/最佳紀錄、合併多來源欄位 → 產出乾淨事實表
- 去重與唯一計數（De-dup / Distinct）
- Map：輸出 (fingerprint/hash, 1)
- Reduce：同 hash 彙整 → 判斷是否重複、計算唯一數量（如唯一裝置數）
- 點擊串流的會話化（Sessionization）
- Map：輸出 (userId, event)
- Reduce：依 userId 時序排序，切分 30 分鐘無操作為新 session → 計算平均停留/轉換
- 大資料排序 / 基準測試（TeraSort 類）
- Map：讀入記錄並發出帶排序鍵的 pair
- Reduce：分區後於每個 reducer 內排序 → 產生全域有序輸出
- 機器學習前處理（特徵工程的批次管線）
- Map：抽取特徵（字頻、統計量、類別編碼）
- Reduce：對使用者或 item 聚合特徵（例如 7 日平均、點擊次數、共現次數）→ 餵給後續訓練
- 生物資訊與科學運算（序列統計/片段比對的預聚合）
- Map：將基因讀段切片、計數 k-mer
- Reduce：彙整 k-mer 分佈，用於後續比對或變異檢測
什麼時候選 MapReduce？
- 超大規模、可被分割成「獨立記錄級別」的平行計算，而且不在乎延遲（分鐘～小時級）。
- 任務以一次性批次為主：生成報表、離線特徵、每日索引、月結算。
什麼時候不要？
- 需要低延遲/互動式查詢或記憶體內反覆計算（機器學習迭代訓練、圖演算法），通常改用 Spark、Flink 或資料倉儲/向量資料庫等。
如果你正在規劃企業內的資料管線，可以把 MapReduce 視為「耐操的批次磚頭工」：前期把原始資料整平、清洗、聚合，後面再接即時引擎或倉儲做分析與可視化。
~鈳恩智聯，莊濠禧
