MongoDB MapReduce 实战<3>

• 最后的处理结果存储在“ttt_date_out”表中，继续写下一个MapReduce，预期结果是所有记录的平均记录产生时间
• Map：

  function Map() {
  	var count_time = 0;
  	var arv_time = 0;
  	var times = this.value.times;
  	if(times){
  		if(times.length > 1){
  			for(var i = 0;i < times.length;i++){
  				if(i != times.length - 1){
  					count_time += times[i] - times[i+1];
  				}
  			}
  		}
  		arv_time = count_time / (times.length - 1);
  		emit(
  			'result', 
  			arv_time
  		); 
  	}
  }

• Reduce：

  function Reduce(key, values) {
  	var ret={msg:key};
  	var count_times = 0;
  	for(var i = 0;i < values.length;i++){
  		count_times += values[i];
  	}
  	ret.arv_time = count_times / values.length;
  	return ret;
  }

• Finalize:（上一个MapReduce中没有，在这里主要作用为对结果再次进行处理）

  function Finalize(key, reduced) {
  	// 转成秒 
  	var second = parseFloat(reduced) /1000;
      // 转分钟
  	var minute = parseInt(second / 60);
  	// 剩余秒
  	var s = second % 60;
  	// 转小时
  	var hour = parseInt(minute / 60);
  	// 剩余分
  	var m = minute % 60;
  	// 转天
  	var day = parseInt(hour / 24);
  	// 剩余小时
  	var h = hour % 24;
      return day + " 天 " + h + " 小时 " + m + " 分钟 " + s + " 秒 ";
  }

• 配置In & Out

• 最终结果

• 小结：
  • 经过一天的努力，完成了预期的目标，明天继续了解一下，最终操作实际的日志表，看看效果。
  • MapRecude的编写语言为Javascript，刚开始是用命令行，编写以及阅读太过麻烦，最后虽然使用MongoVUE，但是调试起来很困难，没有debug。找了很多资料也没有具体的好方法，悲剧。