Map reduce/hadoop非常适合从各种资源的成堆数据中收集见解，并以我们希望的方式组织它们。
但当谈到训练时，我的印象是，我们必须将所有的训练数据同时转储到算法中（无论是SVN、Logistic回归还是随机森林），这样算法才能得出一个拥有所有数据的模型。map reduce/hadoop能否在培训部分提供帮助？如果是，一般情况下如何？
是。有许多MapReduce实现，如hadoop流，甚至还有一些简单的工具，如Pig，可以用于学习。此外，还有基于Map/Reduce构建的分布式学习工具集，如vowpal-wabbit(https://github.com/JohnLangford/vowpal_wabbit/wiki/Tutorial)。这种方法的大思想是对小部分数据进行训练（由HDFS分割），然后对模型进行平均并与每个节点进行交换。因此，模型直接从基于部分数据构建的子模型中获得更新。