MapReduce的设计目标是为了处理大规模数据集的并行计算问题，它由两个阶段组成：Map阶段和Reduce阶段，在获取目标库分组中的目标数量的场景下，我们可以使用MapReduce来统计每个分组中的目标数量。

1. Map阶段

在Map阶段，输入数据被分割成多个独立的块，然后由不同的Map任务并行处理，每个Map任务接收一个输入块，并生成一系列的键值对（keyvalue pairs），在这个场景中，键可以是分组标识符，值可以是该分组中的一个目标。

假设我们有以下输入数据：

group1, target1
group1, target2
group2, target3
group2, target4
group2, target5

Map阶段的输出将是：

group1, 1
group1, 1
group2, 1
group2, 1
group2, 1

2. Reduce阶段

在Reduce阶段，所有的键值对根据键进行排序，然后传递给Reduce任务，每个Reduce任务负责处理具有相同键的所有值，在这个场景中，Reduce任务将累加具有相同键的值，从而得到每个分组中的目标数量。

继续上面的例子，Reduce阶段的输出将是：

group1, 2
group2, 3

这表示group1中有2个目标，而group2中有3个目标。

MapReduce的设计目标是通过分布式处理大量数据，实现高效的并行计算，在这个场景中，我们使用MapReduce来计算每个分组中的目标数量。