在 Oracle 数据库中实现 MapReduce
在程序员开发并行程序时，Map-Reduce模式正变得流行起来。这些map-reduce程序通常来并行处理大量数据。本文来演示如何在Oracle数据库上，通过使用Parallel Pipelined Table函数及并行操作，来实现Map-Reduce程序。（译者注：table()是oracle中一个函数，可以把定义为Pipelined的function的返回结果进行SQL查询）
原理：
Pipelined Table函数是在Oracle 9i引入的，作为能在数据流中嵌入过程逻辑代码方法。从逻辑上说，一个Table函数是可以出现在from子句中，该函数就像数据表一样的返回多行数据。Table函数同样也可以接收多行数据做为输入参数。大多数情况下，Pipelined Table函数可以嵌入到一个数据流中，它让数据“流”进SQL语句中，从而避免增加一个物理层（直译：具体化的中介）。再次说明，Pipelined Table函数是可以并行处理的。
为了并行Table函数，开发人员必须指定指定一个键对输入数据进行重定位。
在多个发行版中，Pipelined Table函数已经被用户使用，并成为Oracle可扩展基础功能的一个核心部分。无论是外部用户，还是Oracle的开发部门，Table函数成为一个有效的、简单的扩充数据库核心功能的方法。
类似Table函数的功能已经在Oracle内使用，并且是Oracle Spatial 和Oracle Warehouse Builder许多特色功能的实现方式。Oracle Spatial（空间数据处理系统）使用它涉及spatial joins 和许多 spatial data的数据挖掘的操作。Oracle Warehouse Builder让让用户使用Table 函数对数据流进行并行处理的逻辑，比如Match-Merge 算法和其它逐行计算的算法。
手把手的例子
所有的例子都在omr.sql文件中。
为了说明并行的使用方法以及用Pipelined Table函数在Oracle数据库内写一个Map-Reduce算法， 我们实现一个最经典的map-reduce例子--单词计数。单词计数是实现返回一组文档中所有不重复单词出现的个数的程序，也可以说是查询单词出现频率功能。
示例代码是用PL/SQL实现，但如前所说，Oracle允许你选择其它语言来实现这个过程逻辑。
