我的理解是计算百分位数，数据需要排序。 如果大量数据分布在多个服务器上，而不移动它，这是否可行？
虽然MapReduce作为一种范式看起来不适合这个问题，但Hadoop对MR的实现却是。
Hadoop的mapreduce实现是基于分布式排序的 - 这正是你所需要的。Hadoop通过在服务器之间移动数据一次来进行排序 - 还不错。
我建议看看Hadoop terasort实现，它说明了使用hadoop对大量数据进行排序的好方法（可能是最好的）。http://hadoop.apache.org/docs/current/api/org/apache/hadoop/examples/terasort/package-summary.html
我会首先在一台机器或多台机器上创建一个直方图。 获得可能值的存储桶的每个可能值的计数后，您可以根据需要组合这些值。使用直方图的收益是它具有 O（1） 插入/排序时间而不是 O（log n），并使用 O（M） 空间，其中 M 是可能值或桶的数量，而不是 O（N），其中 N 是样本的数量。
直方图自然排序，因此您可以通过从两端计数来获得总数并找到百分位数。
您的问题的答案是肯定的，这是可能的。 但是Map-Reduce并不是真正为这种任务而设计的。 Map-Reduce（例如在Hadoop集群中使用）在非结构化或半结构化数据上大放异彩。 虽然它有能力处理其他种类，但它并不是最适合它。 （我在一家公司有一个项目，他们想在Hadoop集群中分析XML...这不是最有趣的事情。
这篇学术文章描述了Map-Reduce在结构化数据上的一些问题，并提供了"Clydesdale"的替代方法。 （我从未听说过或使用过它，所以我既不能认可它，也不能谈论它的优点/缺点。
我正在寻找更多提供解释和替代方案的链接。