随着大数据时代的到来,关于大规模数据的处理技术研究也是源源不断。因此大数据的处理也面对着众多难题,伴随着Map Reduce计算框架的出现也暂时缓解了这一难题。众所周知,大规模数据(我们这里通常为PB级甚至EB级)是能够通过Map Reduce进行高效并行处理的,但是在实际的企业运用环境过程中,随着企业对数据处理要求越来越多,而传统的数据仓库在企业实行战略性决策中明显出现时间的实时性不能满足其需求,相应的Map Reduce底层架构和处理模式上的缺陷逐渐显现出来,给企业造成了处理效率、实时更新、执行性能上等方面的一些问题。面对这些问题并且结合企业实际运行需求,本文章主要针对Map Reduce的实时优化研究。该文文中首先对Map Reduce的编程模型和实现机制进行了阐述,其次着重对Map Reduce实时处理优化进行研究,最后对Map Reduce各种优化技术进行了总结和展望。