MongoDB Map Reduce

MongoDB Map ReduceMap-Reduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）。MongoDB提供的Map-Reduce非常灵活，对于大规模数据分析也相当实用。MapReduce 命令以下是MapReduce的基本语法：>db.collection.mapReduce( function() {emit(key,value);}, //map 函数 function(key,values) {return reduceFunction}, //reduce 函数 { out: collection, query: document, sort: document, limit: number })使用 MapReduce 要实现两个函数 Map 函数和 Reduce 函数,Map 函数调用 emit(key, value),遍历 collection 中所有的记录, 将 key 与 value 传递给 Reduce 函数进行处理。Map 函数必须调用 emit(key, value) 返回键值对。参数说明:map ：映射函数 (生成键值对序列,作为 reduce 函数参数)。 reduce 统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。。 out 统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)。 query 一个筛选条件，只有满足条件的文档才会调用map函数。（query。limit，sort可以随意组合） sort 和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制 limit 发往map函数的文档数量的上限（要是没有limit，单独使用sort的用处不大） 以下实例在集合 orders 中查找 status:"A" 的数据，并根据 cust_id 来分组，并计算 amount 的总和。使用 MapReduce考虑以下文档结构存储用户的文章，文档存储了用户的 user_name 和文章的 status 字段：>db.posts.insert({ "post_text": "k88.net，最全的技术文档。", "user_name": "mark", "status":"active"})WriteResult({ "nInserted" : 1 })>db.posts.insert({ "post_text": "k88.net，最全的技术文档。", "user_name": "mark", "status":"active"})WriteResult({ "nInserted" : 1 })>db.posts.insert({ "post_text": "k88.net，最全的技术文档。", "user_name": "mark", "status":"active"})WriteResult({ "nInserted" : 1 })>db.posts.insert({ "post_text": "k88.net，最全的技术文档。", "user_name": "mark", "status":"active"})WriteResult({ "nInserted" : 1 })>db.posts.insert({ "post_text": "k88.net，最全的技术文档。", "user_name": "mark", "status":"disabled"})WriteResult({ "nInserted" : 1 })>db.posts.insert({ "post_text": "k88.net，最全的技术文档。", "user_name": "k88", "status":"disabled"})WriteResult({ "nInserted" : 1 })>db.posts.insert({ "post_text": "k88.net，最全的技术文档。", "user_name": "k88", "status":"disabled"})WriteResult({ "nInserted" : 1 })>db.posts.insert({ "post_text": "k88.net，最全的技术文档。", "user_name": "k88", "status":"active"})WriteResult({ "nInserted" : 1 })现在，我们将在 posts 集合中使用 mapReduce 函数来选取已发布的文章(status:"active")，并通过user_name分组，计算每个用户的文章数：>db.posts.mapReduce( function() { emit(this.user_name,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" })以上 mapReduce 输出结果为：{ "result" : "post_total", "timeMillis" : 23, "counts" : { "input" : 5, "emit" : 5, "reduce" : 1, "output" : 2 }, "ok" : 1}结果表明，共有 5 个符合查询条件（status:"active"）的文档，在map函数中生成了 5 个键值对文档，最后使用reduce函数将相同的键值分为 2 组。具体参数说明：result：储存结果的collection的名字,这是个临时集合，MapReduce的连接关闭后自动就被删除了。timeMillis：执行花费的时间，毫秒为单位input：满足条件被发送到map函数的文档个数emit：在map函数中emit被调用的次数，也就是所有集合中的数据总量ouput：结果集合中的文档个数（count对调试非常有帮助）ok：是否成功，成功为1err：如果失败，这里可以有失败原因，不过从经验上来看，原因比较模糊，作用不大使用 find 操作符来查看 mapReduce 的查询结果：>db.posts.mapReduce( function() { emit(this.user_name,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" }).find()以上查询显示如下结果，两个用户 tom 和 mark 有两个发布的文章:{ "_id" : "mark", "value" : 4 }{ "_id" : "k88", "value" : 1 }用类似的方式，MapReduce可以被用来构建大型复杂的聚合查询。Map函数和Reduce函数可以使用 JavaScript 来实现，使得MapReduce的使用非常灵活和强大。