为了找到mapreduce术语背后的原因，我们必须回到构成这个特定编程范式的那些元素的根源。这意味着我们需要谈论函数式编程（尽可能精确，尽可能少枯燥）。
简而言之，维基百科的函数式编程是：
一种声明式编程范例，其中函数定义是将值Map到其他值的表达式树，而不是更新程序运行状态的命令语句序列。
这基本上意味着这个模型的重点是函数的应用，而不是着重于对状态所做的更改的命令式编程。因此，通过使用函数代码，执行中的函数不会真正依赖或操作超出其作用域的数据（如这里所说）。
“好吧，那这和mapreduce有什么关系？”
mapreduce直接受到函数式编程的启发，因为map和reduce函数是函数式编程中使用的基本函数。当然，mapreduce还为执行添加了许多其他阶段，如combine、shuffle、sort等，但该模型的核心思想源自上述函数式编程思想。
关于Map，在函数意义上，它被描述为一个函数，它接收两个参数，一个函数和一个值列表。map函数本质上是在列表的每个值上实现函数，以返回结果的输出列表。你确实可以称之为一种“过滤”，但是数据可以用更多的方式来操作，而不仅仅是“过滤”它们。map函数的主要目标是将输入数据更改为reduce函数中下一步计算所需的形式。
现在谈到reduce，它遵循类似的方法。这里也给出了两个参数，一个函数和一个要实现函数的值列表。因为这里的值列表是来自map函数输出的数据的转换集合，所以剩下要做的就是对它们进行处理并获得所需的结果。有了对mapreduce作业的抽象概念的了解，当您将reduce函数描述为试图聚合输入数据时，您的想法是正确的。不过，该过程中“缺少”的一件事是，如何以及基于什么来聚合这些输入数据。这是map函数的主要本质，如上所述。
有了这些，我们可以理解mapreduce模型是以抽象实现的函数式编程的两个基本函数命名的，因此该模型本质上遵循了后者的语义契约。
你可以从这里开始，从这里开始，从这里开始，从这里开始，从这里开始。