MongoDB Map-Reduce 操作文档

---

title: MongoDB Map-Reduce 操作文档
date: 2023-09-22 13:35:49
categories:

• mongodb
  tags:

---

目录

• 1. 简介
• 2. 准备工作
• 3. 编写Map函数
• 4. 编写Reduce函数
• 5. 执行Map-Reduce
• 6. 结果获取
• 7. 示例
• 8. 常见的聚合函数
  • 1. Array.sum(values)
  • 2. Array.avg(values)
  • 3. Array.max(values)
  • 4. Array.min(values)
  • 5. Array.push(values)
  • 6. Array.concat(values)
  • 7. Array.join(values, separator)
• 9. 自定义聚合逻辑
  • 示例

1. 简介

MongoDB的Map-Reduce是一种用于数据分析和聚合的方法。它将数据映射到一组中间键值对，然后将这些中间结果按照一定规则归并，最终生成结果。

2. 准备工作

确保你已经连接到MongoDB数据库，并具有合适的权限执行Map-Reduce操作。

3. 编写Map函数

创建一个JavaScript函数，用于定义Map操作。这个函数会被应用到每个文档上，生成键值对作为中间结果。示例：

var mapFunction = function() {
  // 在这里编写你的Map逻辑
  emit(this.category, this.value);
};

4. 编写Reduce函数

创建另一个JavaScript函数，用于定义Reduce操作。这个函数将中间结果按键进行归并。示例：

var reduceFunction = function(key, values) {
  // 在这里编写你的Reduce逻辑
  return Array.sum(values);
};

5. 执行Map-Reduce

使用mapReduce方法执行Map-Reduce操作。示例：

db.yourCollection.mapReduce(
  mapFunction,
  reduceFunction,
  { out: "outputCollection" }
);

6. 结果获取

你可以在指定的输出集合中获取Map-Reduce的结果。

7. 示例

以下是一个完整的Map-Reduce示例：

var mapFunction = function() {
  emit(this.category, this.value);
};

var reduceFunction = function(key, values) {
  return Array.sum(values);
};

db.sales.mapReduce(
  mapFunction,
  reduceFunction,
  { out: "category_totals" }
);

8.常见的聚合函数

你可以根据需要选择合适的聚合函数来操作数据。

1. Array.sum(values)

将值数组中的所有元素相加，用于计算总和。

2. Array.avg(values)

计算值数组中元素的平均值。

3. Array.max(values)

找出值数组中的最大值。

4. Array.min(values)

找出值数组中的最小值。

5. Array.push(values)

将所有值数组中的元素放入一个新的数组中，可用于收集数据。

6. Array.concat(values)

将所有值数组中的元素连接成一个新的数组。

7. Array.join(values, separator)

将所有值数组中的元素用指定的分隔符连接成一个字符串。

自定义聚合逻辑

如果以上函数不满足你的需求，你可以编写自定义的Reduce函数，以执行更复杂的聚合操作。

示例

演示如何使用Map-Reduce来计算每个用户的平均购买价格和购买次数。

假设有一个包含购买记录的文档集合，每个文档包括以下字段：userId（用户ID）、purchaseAmount（购买金额）和purchaseDate（购买日期）。

创建语句

db.createCollection("purchases");


创建语句为：
db.createCollection("purchases");

// 插入购买记录文档
db.purchases.insertMany([
  {
    userId: "user1",
    purchaseAmount: 50.0,
    purchaseDate: ISODate("2023-09-22T08:00:00Z")
  },
  {
    userId: "user2",
    purchaseAmount: 30.5,
    purchaseDate: ISODate("2023-09-22T09:15:00Z")
  },
  {
    userId: "user1",
    purchaseAmount: 25.0,
    purchaseDate: ISODate("2023-09-22T10:30:00Z")
  },
  {
    userId: "user3",
    purchaseAmount: 60.2,
    purchaseDate: ISODate("2023-09-22T11:45:00Z")
  },
  {
    userId: "user2",
    purchaseAmount: 15.8,
    purchaseDate: ISODate("2023-09-22T14:20:00Z")
  }
]);

map 函数

var mapFunction = function() {
  // 以用户ID作为键，将购买金额和购买次数作为值
  emit(this.userId, { totalAmount: this.purchaseAmount, count: 1 });
};

reduce 函数

var reduceFunction = function(key, values) {
  var reducedValue = { totalAmount: 0, count: 0 };

  // 遍历所有购买记录
  for (var i = 0; i < values.length; i++) {
    reducedValue.totalAmount += values[i].totalAmount;
    reducedValue.count += values[i].count;
  }

  return reducedValue;
};

在Reduce函数中，我们遍历了具有相同用户ID的所有购买记录，将它们的购买金额和购买次数累加起来。

最后，通过这个Map-Reduce操作，你可以获得每个用户的平均购买价格，只需将总金额除以购买次数：

最终结果获取：

var finalizeFunction = function(key, reducedValue) {
  reducedValue.averagePrice = reducedValue.totalAmount / reducedValue.count;
  return reducedValue;
};h

db.purchases.mapReduce(
  mapFunction,
  reduceFunction,
  {
    out: "user_purchase_stats",
    finalize: finalizeFunction
  }
);

在这个示例中，我们还使用了 finalize 选项来计算每个用户的平均购买价格，并将其添加到最终结果中。