解释如下：每个Map器/还原器都不知道所有其他Map器/还原器（即，它们的当前状态、它们的特定输出（如果有的话）等）。这种无状态对于某些数据处理工作负载（例如图形数据）来说不是很好，但是允许简单的并行化（特定的map/reduce任务可以在任何节点上运行，这意味着失败的mapper/reducer不是问题，只要在相同的输入split/mapper的输出上启动一个新的任务就可以了）。

我想说的是，计算基础设施中节点的状态性与您所定义的含义略有不同。记住，总是有协调过程在某处运行，所以节点之间没有完全的独立性。
它在计算基础设施中的实际含义是，节点不存储任何关于它们在持久存储上执行的计算的信息。考虑以下情况，您在一些机器上运行master，将任务委派给worker，worker在ram中维护信息，并在任务计算需要时从ram中检索信息。工作人员还将结果写入ram。您可以将工作节点视为无状态的，因为每当工作节点发生故障时（例如，由于断电），它都不会有任何机制允许它从停止点恢复执行。但是，still master将知道节点已经失败，并将任务委派给集群中的另一台机器。
关于hadoop，该体系结构是状态完整的，首先，因为每当作业开始执行时，它都会将所有元数据传输到工作节点（jar文件、分割位置等）。其次，当作业被调度到不包含输入数据的节点上时，它将被传输到该节点。此外，由于故障恢复的原因，中间数据被存储在磁盘上，因此故障恢复机制可以从停止执行的点恢复作业。