憋了好多天不知道毕设做什么，终于拿定主意用MapReduce来改写个算法给老王看交差了，嘿嘿双核都普及了，赶赶时髦~
本来准备自己总结下，结果上网一搜，已经有那么多同志讲解得比我知道的还清楚了，就懒了。。做个引用自己慢慢钻研吧：
1、MapReduce: Simplified Data Processing on Large Clusters by Jeffrey Dean and Sanjay Ghemawat
MapRedue：在超大集群上的简易数据处理 中文版 by 崮崮山路上走9遍
2、Interpreting the Data: Parallel Analysis with Sawzall by Rob Pike, Sean Dorward, Robert Griesemer, Sean Quinlan
海量数据分析：Sawzall并行处理 中文版 by 崮崮山路上走9遍
3、Google's MapReduce Programming Model -- Revisited by Ralf Lammel from MS
4、Can Your Programming Language Do This? from the Joel on Software weblog
你的编程语言可以这样做吗？ translated by emu
5、两个评价：（1）by dreamhead，（2）by anonymous [文章本身意义不大，看下面评论，引出了一个并行计算框架的问题]
6、实现：Cat、Nutch（Hadoop）。。。etc.
7、How Google Works，一点题外话，是一系列关于股沟的文章中的一篇，有些意义。
8、还有很多暂时没看到的。。。HEHE~
MapReduce相关的关键字：并行编程（parallel programming），分布式编程（distributed programming），函数式编程（functional programming）
最后，MapReduce不是Googler所强调的一种算法，而是一种编程框架或者说模型（Framework，参考Skeletal Parallelism!）。他简单（思想真的很简单！）而且比较优雅的解决了分布式处理中最头痛的数据相关性问题。以这种思想编程，（在适用范围内）可以比较容易的让你的算法适应多线程或者分布式计算。这也是我准备用他来改写个多线程的Apriori交差的原因啦~
国内的一些类似实现：
O3 Grid - Python based MapReduce cluster for log analysis（我要学动态语言！。。）
ZSU的is03kyh的实现（我周围就没遇到过这种Niubility值极高的淫啊。。以前就算了，今后自己加油，等俺读了Grad也要向这种等级努力。。）