基于MongoDB分布式存储进行MapReduce并行查询

      之前的文章中介绍了如何基于Mongodb进行关系型数据的分布式存储，有了存储就会牵扯到查询。虽然用普通的方式也可以进行查询，但今天要介绍的是如何使用MONGODB中提供的MapReduce功能进行查询。
      有关MongoDb的MapReduce之前我写过一篇文章 Mongodb Mapreduce 初窥，

      今天介绍如何基于sharding机制进行mapreduce查询。在MongoDB的官方文档中，这么一句话：      

   Sharded Environments
      In sharded environments, data processing of map/reduce operations runs in parallel on all shards.

      
      即: map/reduce操作会并行运行在所有的shards上。
      下面我们就用之前这篇文章中白搭建的环境来构造mapreduce查询：
      

      首先要说的是，基于sharding的mapreduce与非sharding的数据在返回结构上有一些区别，我目前注意到的主要是不支持定制式的json格式的返回数据，也就是下面方式可能会出现问题：     
     

   return  { count : total };

      
      注意：上面的情况目前出现在了我的测试环境下，如下图：
     
         
     
     就需要改成 return count;
    
     下面是测试代码，首先是按帖子id来查询相应数量（基于分组查询实例方式）：     
    

public   partial   class  getfile : System.Web.UI.Page
    {

         public  Mongo Mongo {  get ;  set ; }


         public  IMongoDatabase DB
        {
             get
            {
                 return   this .Mongo[ " dnt_mongodb " ];
            }
        }

         ///   <summary>
         ///  Sets up the test environment.  You can either override this OnInit to add custom initialization.
         ///   </summary>
         public   virtual   void  Init()
        {
             string  ConnectionString  =   " Server=10.0.4.85:27017;ConnectTimeout=30000;ConnectionLifetime=300000;MinimumPoolSize=512;MaximumPoolSize=51200;Pooled=true " ;
             if  (String.IsNullOrEmpty(ConnectionString))
                 throw   new  ArgumentNullException( " Connection string not found. " );
             this .Mongo  =   new  Mongo(ConnectionString);
             this .Mongo.Connect();         
        }
         string  mapfunction  =   " function(){\n "   +
                         "   if(this._id=='548111') { emit(this._id, 1); } \n "   +    
                         " }; " ;

         string  reducefunction  =   " function(key, current ){ "   +
                                 "    var count = 0; "   +
                                 "    for(var i in current) { "   +
                                 "        count+=current[i]; "   +
                                 "    } "   +
                                 "    return count ;\n "   +
                               " }; " ;

      
         protected   void  Page_Load( object  sender, EventArgs e)
        {
            Init();

            var mrb  =  DB[ " posts1 " ].MapReduce(); // attach_gfstream.files
             int  groupCount  =   0 ;
             using  (var mr  =  mrb.Map(mapfunction).Reduce(reducefunction))
            {
                 foreach  (Document doc  in  mr.Documents)
                {
                    groupCount  =   int .Parse(doc[ " value " ].ToString());
                }
            }
             this .Mongo.Disconnect();
        }     
     }

 

     
     下面是运行时的查询结果，如下：
     
          
     
     
     接着演示一下如何把查询到的帖子信息返回并装入list集合，这里只查询ID为548110和548111两个帖子：     
        

         string  mapfunction  =   " function(){\n "   +
                         "   if(this._id=='548110'|| this._id=='548111') { emit(this, 1); } \n "   +     
                         " }; " ;

         string  reducefunction  =   " function(doc, current ){ "   +
                                 "    return doc;\n "   +
                                " }; " ;
      
         protected   void  Page_Load( object  sender, EventArgs e)
        {
            Init();

            var mrb  =  DB[ " posts1 " ].MapReduce(); // attach_gfstream.files
            List < Document >  postDoc  =   new  List < Document > ();
             using  (var mr  =  mrb.Map(mapfunction).Reduce(reducefunction))
            {
                 foreach  (Document doc  in  mr.Documents)
                {
                    postDoc.Add((Document)doc[ " value " ]);
                }
            }
             this .Mongo.Disconnect();
        }

 

     
     下面是运行时的查询结果，如下：
     
         
    

     上面的map/reduce方法还有许多写法，如果大家感兴趣可以看一下如下这些链接：     
     http://cookbook.mongodb.org/patterns/unique_items_map_reduce/
     http://www.mongodb.org/display/DOCS/MapReduce
    
     以及之前我写的这篇文章：http://www.cnblogs.com/daizhj/archive/2010/06/10/1755761.html
    
    
     当然在mongos进行map/reduce运算时，会生成一些临时文件，如下图：
  
     
     我猜这些临时文件可能会对再次查询系统时的性能有一些提升（但目前未观察到）。
    
     当然对于mongodb的gridfs系统（可使用它搭建分布式文件存储系统，我之前在这篇文章中已介绍过，我也做了测试，但遗憾的是并未成功，它经常会报一些错误，比如：     
    

 

 

   Thu Sep 09 12:09:29   Assertion failure _grab client\parallel.cpp 461 

 

         
     看来mapreduce程序链接到mongodb上时，会产生一些问题，但不知道是不是其自身稳定性的原因，还是我的机器环境设置问题（内存或配置的64位系统mongos与32位的client连接问题）。
    
     好了，今天的文章就先到这里了。   

     原文链接:http://www.cnblogs.com/daizhj/archive/2010/09/09/1822264.html

     BLOG: http://daizhj.cnblogs.com/

     作者:daizhj,代震军