MapReduce是一种分布式计算框架，用于处理大规模数据集。它的设计目标是能够在大规模集群上运行，并且能够自动处理节点故障等问题。MapReduce框架采用了Master/Worker架构，这种架构在分布式计算领域中非常常见。

Master/Worker架构是一种典型的分布式计算架构，它由一个Master节点和多个Worker节点组成。Master节点负责协调整个系统的运行，而Worker节点则负责执行具体的计算任务。在MapReduce框架中，Master节点被称为JobTracker，而Worker节点被称为TaskTracker。

JobTracker负责将整个计算任务分解成多个Map和Reduce任务，并将这些任务分配给TaskTracker执行。它还负责监控整个计算任务的进度，以及处理节点故障等问题。如果一个TaskTracker节点出现故障，JobTracker会重新分配该节点上的任务到其他节点上执行。

TaskTracker节点负责执行具体的计算任务。它们从JobTracker获取任务，然后将任务分解成多个子任务，分配给多个计算节点并行执行。每个计算节点执行自己的任务，并将结果返回给TaskTracker。TaskTracker将所有的结果汇总，并将最终结果返回给JobTracker。

MapReduce框架采用Master/Worker架构的优点在于，它能够有效地利用集群中的计算资源，同时能够自动处理节点故障等问题。当一个节点出现故障时，框架会自动将任务重新分配到其他节点上执行，从而保证整个计算任务的顺利进行。

另外，MapReduce框架还采用了数据本地性的原则，即将计算任务分配给与数据最接近的节点执行。这种方法能够减少数据传输的开销，提高计算效率。

总之，MapReduce框架采用了Master/Worker架构，能够有效地利用分布式计算集群的计算资源，同时能够自动处理节点故障等问题。这种架构已经被广泛应用于大规模数据处理领域，成为了分布式计算领域中的一种典型架构。