我试图通过azure在hdinight上运行一个简单的mapreduce程序。我的程序是用python编写的，只计算满足特定条件的数字行（timeseries）的数量。最后的结果只是每个类别的计数。我的代码如下所示。

from mrjob.job import MRJob
import numpy as np
import time

class MRTimeSeriesFrequencyCount(MRJob):

def mapper(self, _, line):

    series = [float(i) for i in line.split(',')]
    diff = list(np.diff(series))
    avg = sum(diff) / len(diff)
    std = np.std(diff)
    fit = np.polyfit(list(range(len(series))), series, deg=1)
    yield "Down", 1 if (series[len(series)-1]-series[0]) < 0 else 0
    yield "Up", 1 if (series[len(series)-1]-series[0]) > 0 else 0
    yield "Reverse", 1 if (fit[0]*(series[len(series)-1]-series[0])) < 0 else 0
    yield "Volatile", 1 if std/avg > 0.33 else 0

def reducer(self, key, values):
    yield key, sum(values)

if __name__ == '__main__':
    start_time = time.time()
    MRTimeSeriesFrequencyCount.run()
    print("--- %s seconds ---" % (time.time() - start_time))

我是mapreduce和hadoop的新手。当我放大存储在csv中的行数时，我的笔记本电脑（hp elitebook 8570w）的运行速度仍然比在hadoop中运行代码快（456秒，100万行628.29秒）。集群有4个工作节点，每个节点有4个核心，2个头节点，每个节点有4个核心。它不是应该表现得更快吗？是否存在其他瓶颈，例如读取数据？mrjob是否只在一个节点上运行它？事先谢谢你的帮助。