MongoDB--聚合工具MapReduce

MongoDB–聚合工具MapReduce

一：简介

mapreduce可以进行复杂的逻辑运算，但是处理速度很慢不适用于实时的数据分析中。

mmapreduce分为以下几个阶段：

• Map：把一个操作Map到集合中的每一个文档
• Shuffle: 根据Key分组对文档，并且为每个不同的Key生成一系列(>=1个)的值表(List of values)。
• Reduce: 处理值表中的元素，直到值表中只有一个元素。然后将值表返回到Shuffle过程，循环处理，直到每个Key只对应一个值表，并且此值表中只有一个元素，这就是MR的结果。
• Finalize：此步骤不是必须的。在得到MR最终结果后，再进行一些数据“修剪”性质的处理。

基本语法如下：

>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
   }
)

二：找出集合中的所有键并计数

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

//map 函数使用特别的emit函数返回要处理的值。emit会给mapreduce一个键值对。这个key就当前文档的引用值，count用来计数
map=function(){
	for(var key in this){
		emit(key,{count:1});
	}
}

//reduce函数用来接收map函数传递地过来的值，reduce函数在map阶段的结果上反复执行或者在上一和reduce的结果上反复执行
reduce = function(key,emits){
	total=0;
    for(var i in emits){
    	total+=emits[i].count;
    }
    return {"count":total};
}

//使用mapreduce聚合找出集合的所有键及其计数
cqsm>db.reac.mapReduce( 
   function(){
	for(var key in this){
		emit(key,{count:1}); //按照key分组,这里的key就是一个个的键
	}						//shuffle阶段将相同的key归到一起，为每个不同的Key生成一系列(>=1个)的值表
}, 
   function(key,values){ //这里将key以及key对于的值表emits给reduce作为参数,reduce的第二个参数形参，shuffle会识别
	total=0;
    for(var i in values){
    	total+=emits[i].count; //将相同key的count累加
    }
    return {"count":total};
}, 
      {  
         out:"reac1" 
      }
)

cqsm>db.reac.find()
{ "_id" : "_id", "value" : { "count" : 27 } }
{ "_id" : "author", "value" : { "count" : 22 } }
{ "_id" : "count", "value" : { "count" : 22 } }
{ "_id" : "count1", "value" : { "count" : 4 } }
{ "_id" : "date", "value" : { "count" : 22 } }
{ "_id" : "title", "value" : { "count" : 22 } }
{ "_id" : "totalPay", "value" : { "count" : 4 } }
{ "_id" : "value", "value" : { "count" : 5 } }

三：MongDB中MapReduce参数

• 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)。设置临时集合：out: { inline: 1 } 设置之后会在内存运行，不会持久化到磁盘。
• 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）
• finalize函数，fianlize可以当做mr的参数，它会在最后一个reduce输出结果后执行，然后将结果存在临时集合中

四：MR实现流程