MongoDB Map Reduce

Map-Reduce是一种计算模型,简单的说是将大量的工作(数据)分解(MAP)执行,然后再将结果合并成最终结果(RECUCE).
MongoDB提供的Map-Redeuce非常灵活,对于大规模数据分析也相当实用.

MapReduce命令

以下是MapRedcuce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函数的会务就是将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,在客户端断开后自己删除).
• 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可以任意组合)
• sort 和limit结合的sort排序参数(也就是在发往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)

  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": "MongoDb MapReduce",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "MongoDb MapReduce",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "MongoDb MapReduce",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "MongoDb MapReduce",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "MongoDb MapReduce",
   "user_name": "mark",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "MongoDb MapReduce",
   "user_name": "runoob",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "MongoDb MapReduce",
   "user_name": "runoob",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "MongoDb MapReduce",
   "user_name": "runoob",
   "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4个符合查询条件(status:”active”)的文档,在map函数中生成了4个键值对文档,最后使用reduce函数将相同的键值分为两级.
具体参数说明:

• result 储存结果的collection的名称,这是个临时集合,MapRecuce的连接关闭后自动被删除了.
• timeMills 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
• output 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1
• err 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" : "runoob", "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函数的Reduce函数可以使用JavaScript来实现,使得MapReduce的使用非常的灵活和强大.