針對(duì)已有的MapReduce模型階段劃分粒度不合理導(dǎo)致模型精度和復(fù)雜度存在的問題，提出了階段劃分粒度為5的多階段MapReduce模型（MR-Model）。首先綜述了MapReduce模型的研究現(xiàn)狀；然后將MapReduce劃分為Read、Map、Shuffle、Reduce、Write共5個(gè)階段，并對(duì)每個(gè)階段的具體運(yùn)行時(shí)間進(jìn)行研究；最后通過實(shí)驗(yàn)對(duì)模型的預(yù)測(cè)性能進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，提出的MR-Model可用來描述MapReduce實(shí)際任務(wù)的執(zhí)行過程，與另外兩種不同劃分粒度的模型P-Model和H-Model相比，MR-Model模型的運(yùn)行時(shí)間預(yù)測(cè)精度可以提高10%- 30%，在Reduce階段的運(yùn)行時(shí)間預(yù)測(cè)精度可以提高2-3倍，綜合性能較好。