MongoDB Map Reduce

MongoDB Map Reduce

Map-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。

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)。设置了 {inline:1} 将不会创建集合，整个 Map/Reduce 的操作将会在内存中进行
• 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）

实例

以下是集合 orders数据：

/* 1 */
{
    "_id" : ObjectId("63edf0403e2011dea270df45"),
    "cust_id" : "A123",
    "amount" : 500.0,
    "status" : "A"
}

/* 2 */
{
    "_id" : ObjectId("63edf0403e2011dea270df46"),
    "cust_id" : "A123",
    "amount" : 250.0,
    "status" : "A"
}

/* 3 */
{
    "_id" : ObjectId("63edf0403e2011dea270df47"),
    "cust_id" : "B212",
    "amount" : 200.0,
    "status" : "A"
}

/* 4 */
{
    "_id" : ObjectId("63edf0403e2011dea270df48"),
    "cust_id" : "A123",
    "amount" : 300.0,
    "status" : "D"
}

现在想要在 orders 中查找 status:"A" 的数据，并根据 cust_id 来分组，并计算 amount 的总和。

 

 

指定集合：

db.orders.mapReduce(
    function(){emit(this.cust_id,this.amount);},
    function(key,values){return Array.sum(values)},
    {
        query:{status:"A"},
        out:"order_totals"
     }
)

执行结果：

在内存在中直接执行：

db.orders.mapReduce(
    function(){emit(this.cust_id,this.amount);},
    function(key,values){return Array.sum(values)},
    {
        query:{status:"A"},
        out:{inline:1}
     }
)

执行结果：

结果表明，共有 3 个符合查询条件（status:"A"）的文档， 在map函数中生成了 3 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
• 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

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。