Map Reduce编程模型源于Map和Reduce函数，这些函数存在于Lisp和Scheme等函数语言中，可以追溯到许多年前。
我记得在大学里（90年代初），甚至在那时我就被告知Map Reduce在可扩展性方面具有优势。
目前，我们都知道Hadoop以及它从谷歌复制的原始版本。我想知道的是，在"旧"函数语言中有哪些选项可以在至少几个计算节点上执行Map Reduce？
或者，这是一个在纸面上看起来不错的功能，但在谷歌完成之前，没有人真正着手构建它吗？
Map/Reduce是数据并行性的一个特例。
数据并行（不仅仅是map和fold）在高性能计算语言和并行函数语言中被广泛使用。谷歌和其他公司已经为他们的用例构建了一个高度优化（受限）的分布式编程模型，但他们肯定完全知道这项工作在其他地方的起源和状态。
HPC语言，如
- 礼拜堂
- 要塞
- X10
- HPF
和纯函数式语言，具有完全的数据并行性：
- 哈斯克尔
- NESL
所有这些都支持分布式或多核系统的全数据并行编程模型。特别是，Chapel、Fortress和X10的目标是在世界上最大的计算机集群上实现大规模可扩展性。许多其他语言支持一些并行映射和折叠的概念（例如Erlang、Clojure、Scala、F#）。
因此，谷歌当然推广了数据并行性，其基本形式是map/reduce，但这还不是故事的结束。