SQL --> Hive
" easily writing applications" 轻松编写应用程序
对于如何容错，如何进行RPC通信等，开发人员不用关注，关注我们的业务逻辑就可以，从这方面来讲，easily
业务逻辑 + MR框架自带的内置的组件 => 分布式应用程序开发
用MR来做开发，相较于 Spark ，很麻烦
Map: 映射 把一个任务拆解成多个
Reduce:聚合，把拆解开的任务做最后的聚合操作
比如一开始的wordcount.txt文件
hadoop hdfs hdfs hive
hdfs sqoop flume java
Java Hadoop hadoop
Map就是把文件拆成：
（hadoop，1）
（hdfs ，1）
（hdfs ，1）
Reduce聚合成
（hdfs ，2）
MapReduce-适用/不适用场景
适合：离线、批处理计算
不适合：实时计算
运行官网上的MapReduce，关注运行的进程（jps）
MR运行中的进程：
RunJar
YarnChild Task（MapTask ReduceTask）
MRAppMaster
MRAppMaster MapTask ReduceTask都是以进程的方式运行的，那么进程申请资源，运行，释放资源，就是MR运行慢的一个原因
