正如标题所说。我正在阅读Yet Another Language Geek: Continuation-Passing Style，我有点想知道 MapReduce 是否可以归类为一种形式的连续传递样式，即 CPS。
我也想知道 CPS 如何利用多台计算机来执行复杂的计算。也许 CPS 让Actor model 的工作变得更容易。
【问题讨论】：
标签： mapreduce continuation-passing
我会说他们是对立的。 MapReduce 显然适用于分布式，其中 Map 可以独立执行子任务。使用 CPS，您可以编写一个递归函数，其中每个调用都在等待一个较小的案例返回。
我认为 CPS 是 Guy Steele 在 The Future of Parallel: What's a Programmer to do? 上的演讲中描述为我们需要超越和忘却的编程技术之一
【讨论】：
我不会这么说的。 MapReduce 确实执行用户定义的函数，但这些函数更好地称为“回调”。我认为 CPS 是一个非常抽象的概念，通常用于对更知名的概念（如函数、协程、回调和循环）的行为进行建模。一般不直接使用。
再一次，我可能将 CPS 与延续本身混淆了。我不是这两个方面的专家。
【讨论】：
CPS 和 MapReduce 都使用高阶函数。这意味着两者都涉及将函数作为参数的函数。
在 CPS 的情况下，您有一个函数（称为延续），其参数说明如何处理结果。通常（但不总是）延续使用一次。它是一个函数，它指定整个其余计算应该如何继续。这也使它成为一种连续的事情。通常你有一个执行线程，而延续指定它将如何继续。
对于 MapReduce，您提供的是多次使用的函数参数。这些参数函数并不真正代表整个其余的计算，而只是反复使用的小构建块。 “一遍又一遍”位通常可以分布在多台机器上，这使得这是一种并行的事情。
所以你看到一个共同点是对的。但其中一个并不是另一个的真正例子。
【讨论】：
Map-reduce 是一种实现。允许您使用该实现的编码接口可以使用延续；这实际上是如何抽象框架和作业控制的问题。考虑 Hadoop 的声明性接口，如 Pig，或一般的声明性语言，如 SQL；接口下的机制可以有多种实现方式。
例如，这是一个抽象的 Python map-reduce 实现：
def mapper(input_tuples):
"Return a generator of items with qualifying keys, keyed by item.key"
# we are seeing a partition of input_tuples
return (item.key, item) for (key, item) in input_items if key > 1)
def reducer(input_tuples):
"Return a generator of items with qualifying keys"
# we are seeing a partition of input_tuples
return (item for (key, item) in input_items if key != 'foo')
def run_mapreduce(input_tuples):
# partitioning is magically run across boxes
mapper_inputs = partition(input_tuples)
# each mapper is magically run on separate box
mapper_outputs = (mapper(input) for input in mapper_inputs)
# partitioning and sorting is magically run across boxes
reducer_inputs = partition(
sort(mapper_output for output in mapper_outputs))
# each reducer is magically run on a separate box
reducer_outputs = (reducer(input) for input in reducer_inputs)
这是使用协程的相同实现，隐藏了更多神奇的抽象：
def mapper_reducer(input_tuples):
# we are seeing a partition of input_tuples
# yield mapper output to caller, get reducer input
reducer_input = yield (
item.key, item) for (key, item) in input_items if key > 1)
# we are seeing a partition of reducer_input tuples again, but the
# caller of this continuation has partitioned and sorted
# yield reducer output to caller
yield (item for (key, item) in input_items if key != 'foo')
【讨论】：