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.