當我看到Google的這三大論文時，我的內心是震撼的，Google竟奠定了風靡全球的大數據算法的基礎。
說起來Google確實是為大數據時代的發展做出了很大的貢獻，畢竟Google的三個產品：Google File System、Map Reduce和Big Table的應用還是很廣泛的。就比如GFS,這是一個可擴展的分布式文件系統，用於大型的、分布式的、對大量數據進行訪問的應用。它運行於廉價的普通硬件上，通過軟件的方式自動容錯，它將服務器故障視為正常現象，通過軟件的方式自動容錯，在保證系統可靠性和可用性的同時，大大降低系統的成本。另一方面，它擁有着數據完整性，用於大型的、分布式的、對大量數據進行訪問的應用。它又有着有效的診斷工具，廣泛而細致的診斷日志以微小的代價換取了在問題隔離、診斷、性能分析方面起到了重大的作用。GFS服務器用日志來記錄顯著的事件，如服務器停機和啟動和遠程的應答。遠程日志記錄機器之間的請求和應答，通過收集不同機器上的日志記錄，對它們進行分析恢復，就可以完整地重現活動的場景，並用此來進行錯誤分析。這些都給用戶提供了總體性能較高的服務，比較方便快捷。
說到此，另兩個產品Map Reduce和Big Table，它們則是基於GFS研發的。這三大基礎核心技術構建出了完整的分布式運算架構。像Map Reduce，它是一種編程模型，用於大規模數據集的並行運算。Map（映射）和Reduce（歸約），是它們的主要思想概念，這是從函數式編程語言借鑒的，並且還有矢量編程語言里的特性。它極大地方便了編程人員在不會分布式並行編程的情況下，將其程序運行在分布式系統上。 目前軟件實現是指定一個Map函數，把一組鍵值對映射成一組新的鍵值對，指定並發的Reduce函數，用來保證所有映射的鍵值對中的每一個共享相同的鍵組。而Big Table則是分布式數據存儲系統，用來處理海量的數據的一種非關系型的數據庫。Big able是非關系型數據庫，是一個稀疏的、分布式的和持久化存儲的多維度排序Map。它適用於廉價設備，適合大規模海量數據以及分布式、並發數據處理，易於擴展，效率極高，支持動態伸縮。它們的功能確實極為強大，稱它們奠定了大數據算法的基礎一點都不為過。
通過對Google的這三大論文的閱讀，我也是燃起了這方面的興趣，盡管目前我對於它們的一些概念還是一知半解的，但這並不妨礙我了解它們，我也是在此瀏覽的過程中受益匪淺。