（1）通过实验掌握基本的MapReduce编程方法； （2）掌握用MapReduce解决一些常见的数据预处理方法，包括数据清洗、词频统计等。的实验小结

根据您的描述，您的实验目标是掌握基本的MapReduce编程方法，并用MapReduce解决一些常见的数据预处理方法，包括数据清洗、词频统计等。下面是对该实验的小结：

1. 在实验中，您学习了MapReduce的基本编程模型。MapReduce是一种用于大规模数据处理的编程框架，其核心思想是将数据处理任务分解为Map和Reduce两个阶段。Map阶段负责数据的分割与处理，Reduce阶段负责数据的聚合与结果输出。

2. 通过实验，您掌握了如何使用MapReduce进行数据预处理，包括数据清洗和词频统计。在数据清洗的过程中，您可以编写Map函数来过滤无效数据、去除噪声或进行格式转换。在词频统计的过程中，您可以编写Map函数将文本数据拆分成单词，并计算每个单词的出现次数。

3. 在编写Map和Reduce函数时，您需要遵循MapReduce的编程规范。例如，在Map函数中，您需要定义输入键值对的类型、编写逻辑处理代码，并使用Context对象将结果输出。在Reduce函数中，您需要定义输入键值对的类型、编写聚合逻辑代码，并使用Context对象将最终结果输出。

4. 在实验过程中，您使用Hadoop作为MapReduce的执行引擎，并通过编写Java程序来实现Map和Reduce函数。您需要将编写好的程序打包成JAR文件，并使用Hadoop的命令行工具来提交作业和查看结果。

通过这次实验，您成功掌握了基本的MapReduce编程方法，并能够用MapReduce解决一些常见的数据预处理问题，如数据清洗和词频统计。这些技能对于大规模数据处理和分析非常重要，并且为进一步学习和应用MapReduce打下了坚实的基础。