mangodb 高频数据_【mongoDB高级篇③】综合实战(1): 分析国家地震数据

数据准备

通过navicat导入到数据库,方便和mysql语句做对比

shard分片集群配置

# step 1

mkdir -p ./data/shard/s0 ./data/shard/s1 #创建数据目录

mkdir -p ./data/shard/log # 创建日志目录

./bin/mongod --port 27017 --dbpath /usr/local/mongodb/data/shard/s0 --fork --logpath /usr/local/mongodb/data/shard/log/s0.log # 启动Shard Server实例1

./bin/mongod --port 27018 --dbpath /usr/local/mongodb/data/shard/s1 --fork --logpath /usr/local/mongodb/data/shard/log/s1.log # 启动Shard Server实例2

# step 2

mkdir -p ./data/shard/config #创建数据目录

./bin/mongod --port 27027 --dbpath /usr/local/mongodb/data/shard/config --fork --logpath /usr/local/mongodb/data/shard/log/config.log #启动Config Server实例

# step 3

./bin/mongos --port 4000 --configdb localhost:27027 --fork --logpath /usr/local/mongodb/data/shard/log/route.log --chunkSize=1 # 启动Route Server实例

# step 4

./bin/mongo admin --port 4000 #此操作需要连接admin库

> db.runCommand({ addshard:"localhost:27017" }) #添加 Shard Server 或者用 sh.addshard()命令来添加,下同;

{ "shardAdded" : "shard0000", "ok" : 1 }

> db.runCommand({ addshard:"localhost:27018" })

{ "shardAdded" : "shard0001", "ok" : 1 }

> db.runCommand({ enablesharding:"map" }) #设置分片存储的数据库

{ "ok" : 1 }

> db.runCommand({ shardcollection: "map.dz", key: { id:1 }}) # 设置分片的集合名称。且必须指定Shard Key，系统会自动创建索引，然后根据这个shard Key来计算

{ "collectionsharded" : "map.dz", "ok" : 1 }

# 手动预先分片

for(var i=1;i<=30;i++) { sh.splitAt('map.dz',{id:i*1000}) }

然后通过MongoVUE把mysql中的数据导入到mongos(4000)中

数据分析实战

根据震级类型来求和

/******通过group******/

db.dz.group({

key:{type:1},

initial:{count:0},

reduce: function ( curr, result ) {

result.count ++;

}

})

// Error: group command failed: { "ok" : 0, "errmsg" : "can't do command: group on sharded collection" }

// group不能使用在分片上

/******通过聚合管道aggregate******/

db.dz.aggregate([

{

$group:{

_id:"$type",

count:{$sum:1}

}

}

/******通过映射化简mapReduce******/

var map = function(){

emit(this.type,1); //把1映射到每个this.type上,然后sum就为count,还有一个技巧就是把count映射到1上,就是求总和

}

var reduce = function(type,count){

var total = Array.sum(count);

// return {type:type,count:total}; 注意,这样返回是错误的,total是一个对象??? {type:type,count:count};

return total;

}

//或者

var reduce = function(type,count){

var res = 0;

for (var i = 0; i < count.length;i++) {

res +=count[i];

}

return res;

}

db.dz.mapReduce(map,reduce,{out:'res'});

根据日期来分组看哪一月的地震最多

/*****地震每日发生次数最多的地方*****/

db.dz.aggregate([

{ $group:{

_id:{date:"$date"}, //还不知道如何通过 date.substring(0,6)来分组,先跳过,做按日来分组,当然这里的date还是字符串,如果是日期类型的话,就好处理了,这就延伸出另外一个问题,字符串如何转换为时间类型;

count:{$sum:1},

}

},

{

$sort:{count:-1} // 做了个降序

},

{

$limit:1

}

]);

/*****每日发生地震次数最多的10个地方,并求出最大值*****/

db.dz.aggregate([

{ $group:{

_id:{date:"$date",address:"$address"},

count:{$sum:1},

maxvalue:{$max:"$value"},

}

},

{

$sort:{count:-1}

},

{

$limit:10

}

]);

求每5个经纬度范围的地震次数;

var map = function(){

//映射到经纬度

var latitude = Math.floor(this.latitude/5)*5;

var longitude = Math.floor(this.longitude/5)*5; //除5下取整又乘以5,目的得到的经纬度都是5的倍数,也就是每隔5就一个数;

var block = latitude+':'+longitude;

emit(block,1); //总共统计每block出现地震的次数;

}

var reduce = function(block,value){

return Array.sum(value);

}

db.runCommand({

mapReduce:'dz',

map:map,

reduce:reduce,

out:'res'

})

db.res.find().sort({value:-1});

每月发生地震次数最多的10个地方,并求出震级最大值

方法一,该方法有误,未完成,先记录

注意,本方法有一些问题我是花了很多功夫都没解决,先记录一下,如果有玩mongoDB的朋友有缘看到这篇文章,又有心的话,希望留言指正;

当然,这属于技术上的一个钻牛角尖,其实完全可以绕开的...

var map = function(){

var date = this.date.substring(0,6);

emit(date,{count:this.address,value:this.value});//把地点和值映射到月份上

}

var reduce = function(date,result){

/*

// 此时result的结构应该如下,为每月的地址数据明细

// 注意这里说的是应该,但实际上不是,这与我理解的mapReduce有误,并且我暂时还不能理解该结构最终为什么会呈现出差异,所以,我先按以下的结构,来在Reduce中做js处理

"result": [

{

"address": "新疆阿图什",

"value": 1.6

},

{

"address": "云南澜沧",

"value": 1.3

},

{

"address": "新疆哈密",

"value": 2

}

]

//我想要得到的结果如下:

[{'四川木里':{count:2,max:5.2},'云南玉龙':{count:100,max:4.5}}]

*/

var arr = [];

for (var i = 0; i < result.length;i++) {

var arrTmp = [result[i]];

var address = result[i]['address'];

for (var j = i+1; j < result.length; j++) {

if(result[j]['address'] == address){

arrTmp.push(result[j]);

result.splice(j,1);

j--;

}

};

var value = []

for(var a=0; a

if(value.indexOf(arrTmp[a]['value']) == '-1'){

value.push(arrTmp[a]['value']);

}

}

var max = 0;

for(var i=0;i

max = max < value[i]?value[i]:max;

}

var ele = {};

ele[address] = {count:arrTmp.length,max:max};

arr.push(ele);

}

return {result:arr};

}

db.runCommand({

mapReduce:'dz',

map:map,

reduce:reduce,

finalize:finalize, // 由于Reduce返回的结构是有误的,所以finalize还没办法处理,先留空;

out:'res'

})

方法二

本方法也有一个让我百思不得其解的问题,在注释部分有说明;

var map = function(){

var date = this.date.substring(0,6);

var map = date+'_'+this.address;

emit(map,{count:1,value:this.value});

}

var reduce = function(date,result){

var count = 0;

for(var i=0;i

count += result[i]['count']; // result[i]['count']的值都是1

}

//var count = result.length; // 一开始我的count值是这样写的,但是结果是错误的与mysql算出来的不符合,改成上面的才正确,这里也让我很郁闷,result[i]['count']的值都是1,result.length是其result元素的总合,按道理这个count和上面的count是一样的,但事实证明,我又错了,居然不一样....又是一个理解不了的问题;

var value = [];

for(var i=0;i

value.push(result[i].value);

}

var max=0;

for(var i=0;i

max = max < value[i]?value[i]:max;

}

return {count:count,max:max};

}

db.runCommand({

mapReduce:'dz',

map:map,

reduce:reduce,

out:'res'

})

db.res.find().sort({'value.count':-1}).limit(10); //在输出集合中再进行筛选

// 但是,第一多的数据和mysql算下来的不同,其后9名都是相同的

mongoDB系列文章到此先告一段落,后续再添加 【mongoDB高级篇】mongoDB在LBS中的应用; 2015-9-17