mapreduce的计算框架分为哪三个？
mapreduce的计算框架分为以下三个部分:映射器、还原器和驱动程序。
映射阶段
用户定义的映射器应该继承它自己的父类。
Mapper的输入数据是KV对的形式(KV的类型可以定制)。
Mapper中的业务逻辑是用map()方法编写的。
Mapper的输出数据是KV对的形式(KV的类型可以定制)。
对每个k，v调用一次map()方法(maptask进程)
减速级
用户定义的Reducer应该继承自己的父类。
Reducer的输入数据类型对应Mapper的输出数据类型，也是KV。
reduce的业务逻辑是用reduce()方法编写的。
Reducetask进程为每组K和具有相同K的V调用一次reduc
大数据主要学习哪些内容？
这是一个非常好的问题。作为一个IT从业者，一个教育工作者，我来回答一下。
大数据经过多年的发展，已经逐渐形成了比较庞大系统的知识体系，整体技术成熟度已经比较高，学习大数据技术也会有比较好的学习体验。
因为大数据涉及的内容非常多，而且大数据技术也与行业息息相关，所以在学习大数据的时候，可以从技术的角度，也可以基于行业来学习大数据。对于学生来说，可以从大数据技术体系中学习，对于职场人来说，可以结合自己的行业和工作任务学习大数据。
无论是学生还是职场人士，想要学习大数据，需要掌握以下基本内容:
第一:计算机基础知识。学习大数据技术，计算机基础知识非常重要，其中操作系统、编程语言、数据库等知识是必须要学的。编程语言可以向Python学习，如果以后想从事专业的大数据开发，也可以向Java学习。计算机基础知识学习起来比较难，要注意实验在学习过程中的作用。
第二:数学统计基础知识。大数据技术体系的核心目的是"数据价值"，而数据价值产生的过程必然离不开数据分析，所以作为数据分析基础的数学和统计学知识更为重要。数学和统计学的基础对大数据从业者未来的成长空间有着重要的影响，所以一定要重视这两方面知识的学习。
第三:大数据平台的基础。大数据开放开发和大数据分析离不开大数据平台的支撑，大数据平台涉及分布式存储、分布式计算等基础功能。掌握大数据平台，也会形成对大数据技术体系的深刻理解。对于新手来说，可以从Hadoop和Spark入手。
本人从事互联网行业多年，目前在读计算机专业研究生。我的主要研究方向是大数据和人工智能。我会陆续写一些互联网技术方面的文章，有兴趣的朋友可以关注我。我相信我一定会有所收获。
如果你有关于互联网，大数据，人工智能，或者考研的问题，可以在评论区留言或者私信我！