我已经在一个节点中安装了hadoop mapreduce，我遇到了十大问题。
假设我有一个10k对数据（关键字、值），并搜索10个具有最佳值的数据。
事实上，我创建了一个简单的项目来迭代整个数据，我只需要几分钟就可以得到答案。
然后，我创建了十大设计模式的mapreduce应用程序来解决同样的问题，我需要4个多小时才能得到答案。（很明显，我使用相同的机器和相同的算法进行排序）
我认为，发生这种情况可能是因为mapreduce需要更多的服务来运行，需要更多的网络活动，需要更多精力来读取和写入hdfs。有其他因素可以证明mapreduce（在这种情况下）比不使用mapreduce慢吗？
mapreduce在单节点设置上较慢，因为在任何给定时间只有一个映射器和一个reducer可以对其进行操作。映射器必须迭代每个拆分，reducer同时处理两个映射器输出，然后处理两个这样的reducer输出，依此类推。
所以就复杂性而言：
for normal project :t(n) = n => O(n)
for mapreduce:t(n) = (n/x)*t(n/2x) => O((n/x)log(n/x)) where x is the number of nodes
你认为哪个更大？对于单节点和多节点。。
mapreduce复杂性的解释：
一次迭代的时间：n
同时映射函数的数量：x，因为每个节点上只能有一个
则映射完整数据所需的时间：n/x，因为n是1个映射器对完整数据所花费的时间
与之前的映射相比，减少作业需要一半的时间，因为它同时在两个映射器输出上工作，因此：对于x个节点上的x个减少器，时间=n/2x
因此，每个下一步所花费的时间将是前一步的一半。
t（n）=（n/x）*t（n/2x）
求解这个递归，我们得到O（（（n/x）log（n/x））。
这不应该是精确的，而是一个近似