Google 工程師今年開始到臺灣的
大學中擔任助教，培養雲端運算的
開發人力。（由左至右為 Google
工程師談偉航、謝毓庭和廖碩鵬）
攝影／楊易達 雲端運算的關鍵技術是 MapReduce，最早是由 Google 提出，後來也運用在開源的雲端技術 Hadoop 中。Google 臺灣工程研究所所長簡立峰說：「這是一種解決問題的程式開發模型。」
和傳統開發模式相比，簡立峰表示：「使用 MapReduce 模式，開發人員在拆解問題的過程中，就要先對問題進行平行化處理。」開發人員需要先分析問題的解決流程，找出可以利用平行運算來處理資料的部分，也就是那些能夠被切成小段分開來處理的資料，再針對可以採用平行處理的部分寫成 Map 程式。
有了 Map 程式之後，就可以使用大量機器用執行 Map 程式，分別同步處理分析每一段資料，再將每一個 Map 程式分析出來的結果，透過 Reduce 程式進行合併，最後則彙整出完整的結果。
MapReduce 的運作方式很像選舉開票，Yahoo 亞洲區科技研發工程部總監許明彥說：「只要大家都遵守固定的開票程序，那由誰來開票其實都沒有影響。所以，中選會可以將開票任務分配給各地投票所，各自負責所屬的票箱，最後再向中選會回報各開票所的開票結果，中選會再統一彙整，就能算出全國的開票結果，這樣就不需要把幾百萬張選票都運回中選會處理。」各投票所的開票任務就像是 Map 程式，負責處理少量資料，而 Reduce 程式就是中選會彙整投票結果的動作。
開發者將問題拆解成 MapReduce 的程式後，就可以交由雲端運算的平臺來執行，例如 Hadoop.Hadoop 框架中的 Master 機器會將開發者的 MapReduce 程式分配給有空閒的伺服器，一群伺服器先執行 Map 程式來處理切割過的小塊資料。再將分析後的結果，送到執行 Reduce 程式的機器中混合、排序與彙整。最後再把彙整後的結果輸出給開發者。
不過，國家高速網路與計算中心助理研究員王耀聰認為 MapReduce 不一定能有效處理各種問題，他舉例，像目前的生物研究資訊都是採用 XML 格式，要轉換成 Key-Value 資料庫架構的設計方式，程式開發並不容易。
趨勢科技研究開發部專案經理楊覲寧則認為：「MapReduce 使用 Script 語法，除錯不易，而且不見得所有工作都要用 MapReduce 來處理。」她解釋，像資料加解密，用 CGI 程式來處理反而比較快，只要先將 CGI 程式安裝到所有雲端運算的機器上，還是可以透過 Master 機器來分配任務。
不過，Google 軟體工程師談偉航解釋：「理論上透過多階段的 MapReduce，可以組合出各種解決問題的路徑。但關鍵還是對問題本身的了解，如果開發者越清楚，就越能知道拆解出問題的路線。」簡立峰認為，臺灣資工系大學部二年級的訓練課程就足以學習雲端運算技術。
目前臺灣 Google 固定和大學合作，派工程師擔任課堂助教，教導學生學習雲端運算的技術，簡立峰希望每年都能輪流到不同大學與教授合作開課，他說：「只要培養 1年，就可以有上千人學會雲端運算技術，學生進入就業市場後，臺灣企業也就學到了。」
MapReduce 是雲端運算的關鍵技術，將要執行的問題，拆解成 Map 和 Reduce 的方式來執行，以達到分散運算的效果。例如要搜尋哪些網頁中有 「iThome」 這個 字，可以先用 Map 程式，來計算出所有網頁中，每一個字的位置。再使用 Reduce 程式，在每一個字的清單中，篩選出 「iThome」 這個字，所對應的網 頁網址。
不論 Google 或 Yahoo 所採用的 MapReduce 執行概念相同，只是儲存的檔案系統不同 (Google 是 GFS，而 Yahoo 是 HDFS)。MapReduce 程式的執行過程如下：
將要執行的 MapReduce 程式複製到 Master 與每一臺 Worker 機器中。
Master 決定 Map 程式與 Reduce 程式，分別由哪些 Worker 機器執行。
將所有的資料區塊，分配到執行 Map 程式的 Worker 機器中進行 Map。
將 Map 後的結果存入 Worker 機器的本地磁碟。
執行 Reduce 程式的 Worker 機器，遠端讀取每一份 Map 結果，進行彙整與排序，同時執行 Reduce 程式。
將使用者需要的運算結果輸出。