diff --git a/Assignment2.md b/Assignment2.md
index bba0bac..fcf9109 100644
--- a/Assignment2.md
+++ b/Assignment2.md
@@ -181,7 +181,6 @@ hello from busybox
 ```
 ##### hint：通常,docker image不在运行时叫image，加载运行以后叫container
 
-
 `**************作业1：请将上述涉及docker run/image的操作界面截图，并插入实验报告中***************`
 
 ### 二) 熟悉Docker指令
diff --git a/Assignment3.md b/Assignment3.md
index bd26e6e..2b37257 100644
--- a/Assignment3.md
+++ b/Assignment3.md
@@ -197,7 +197,7 @@
 
 #### 统计词频
 
-- 创建目录，并上传测试数据
+- 创建目录，并上传测试数据（`所有操作在集群的master节点执行`）
 
 ```
 hadoop fs -mkdir /input
@@ -218,5 +218,15 @@ hadoop jar /home/hadoop/hadoop-examples.jar wordcount /input /output   如果/ou
 
 `**************作业4：统计/home/hadoop/etc/hadoop目录下所有文件的词频并截图，插入实验报告中***************`
 
-​    *<!--(还需设计单线程对比实验，待完成......)-->*
+#### WordCount 实现原理
+
+> MapReduce主要分为两步Map步和Reduce步，引用网上流传很广的一个故事来解释，现在你要统计一个图书馆里面有多少本书，为了完成这个任务，你可以指派小明去统计书架1，指派小红去统计书架2，这个指派的过程就是Map步，最后，每个人统计完属于自己负责的书架后，再对每个人的结果进行累加统计，这个过程就是Reduce步。下图是WordCount的实现原理图，[WordCount实现](https://hadoop.apache.org/docs/r1.0.4/cn/mapred_tutorial.html#用法)。
+
+![image-20201015170801613](img/assignment3/image-20201015170801613.png)    
+
+`**************作业5：用任何语言实现单线程的wordcount，然后给出运行时间截图，插入实验报告中***************`
+
+ 
+
+`******特别注意，实验结束后请删除UHadoop集群、EIP 和UHost主机******`
 
diff --git a/file/assignment3/学号-实验三.docx b/file/assignment3/学号-实验三.docx
index 5514269..2b00a62 100644
Binary files a/file/assignment3/学号-实验三.docx and b/file/assignment3/学号-实验三.docx differ
diff --git a/img/assignment3/image-20201015170801613.png b/img/assignment3/image-20201015170801613.png
new file mode 100644
index 0000000..86284e0
Binary files /dev/null and b/img/assignment3/image-20201015170801613.png differ