MongoDB的MapReduce使用

参考文章

 

 

http://www.mongodb.org/display/DOCS/MapReduce

http://www.rainsts.net/article.asp?id=1044

https://github.com/mongodb/mongo-java-driver/commit/fa003adc5db8a6c4efe0279c74973af15d99e6ed#diff-2

 

 

MapReduce是一个编程模型，封装了并行计算、容错、数据分布、负载均衡等细节问题。

输入是一个key-value对的集合，中间输出也是key-value对的集合，用户使用两个函数：Map和Reduce。

 

在使用MongoDb的mapreduce功能时，我找Java代码找半天，结果练了半天的Javascript代码。

MongoDb是通过解析“Javascript”代码来计算的。所有我们先用Javascript代码调通，再使用Java代码拼接使用这个MapReduce功能。

 

 

db.runCommand(
{
    mapreduce : <collection>,
    map : <mapfunction>,
    reduce : <reducefunction>
    [, query : <query filter object>]
    [, sort : <sort the query.  useful   optimization>] for
    [, limit : <number of objects to   from collection>] return
    [, out : <output-collection name>]
    [, keeptemp: < | >] true false
    [, finalize : <finalizefunction>]
    [, scope : <object where fields go into javascript global scope >]
    [, verbose :  ] true
});

 

 

 

参数说明:

 

•  mapreduce: 要操作的目标集合。
•  map: 映射函数 (生成键值对序列，作为 reduce 函数参数)。
•  reduce: 统计函数。
•  query: 目标记录过滤。
•  sort: 目标记录排序。
•  limit: 限制目标记录数量。
•  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)。
•  keeptemp: 是否保留临时集合。
•  finalize: 最终处理函数 (对 reduce 返回结果进行最终整理后存入结果集合)。
•  scope: 向 map、reduce、finalize 导入外部变量。
•  verbose: 显示详细的时间统计信息

 

 

 

先看看我们的文档结果

 

 

 

 

我使用上一篇文章插入数据 http://xiaofancn.iteye.com/blog/1163200

 

讲讲我们要实现的功能，就是按照名字name统计记录个数。

 

 

 

D:\Program Files\mongodb>bin\mongo
MongoDB shell version: 2.0.0
connecting to: test
> use test;
switched to db test
> map = function() {
... emit(this.name, {count:1});
... };
function () {
    emit(this.name, {count:1});
}
> reduce = function(key, values) {
... var total = 0;
... var index =0;
... for(var i=0;i<values.length;i++){
...  total += values[i].count;
...  index = i;
... }
... return {count:total};
... };
function (key, values) {
    var total = 0;
    var index = 0;
    for (var i = 0; i < values.length; i++) {
        total += values[i].count;
        index = i;
    }
    return {count:total};
}
> db.person.mapReduce(map, reduce, {out : "resultCollection"});
{
        "result" : "resultCollection",
        "timeMillis" : 112,
        "counts" : {
                "input" : 10,
                "emit" : 10,
                "reduce" : 2,
                "output" : 2
        },
        "ok" : 1,
}
> db.resultCollection.find();
{ "_id" : "xiaofancn", "value" : { "count" : 3 } }
{ "_id" : "小樊", "value" : { "count" : 7 } }

 

 

map = function() { 
	emit(this.name, {count:1});
};

     此函数是形成下面的key-values结构的，emit就是指定key和value的，也是结果的数据结构。

 

xiaofancn [{count:1},{count:1},{count:1}]

 

     由于name字段为xiaofancn的person有三个，所以形成三个{count:1}数组。

 

 

 

reduce = function(key, values) {
	var total = 0;
	for(var i=0;i<values.length;i++){
		 total += values[i].count;
	}
	return {count:total};
};

reduce函数中参数key和map函数的emit指定的key（this.name）是同一个key（name），values就是map函数形成的values（ [{count:1},{count:1},{count:1}]）

 

经过reduce函数处理就形成了key和一个最终的 {count:3}数据结构。定义好的函数，需要MongoDB执行

 

 

db.person.mapReduce(map, reduce, {out : "resultCollection"});
db.resultCollection.find();

 

  db代表当前的数据库，person当前的文档，mapReduce调用函数，out：是指定输出的文档名称。

 

 

 

 

好了，会使用Javascript，使用Java就是拼接我们的Javascript代码了。

 

 

public void MapReduce() {

		DBCollection personColl = mongoOperations.getCollection(mongoOperations
				.getCollectionName(Person.class));
		String map = "function() { emit(this.name, {count:1});}";
		
		String reduce = "function(key, values) {";
		reduce=reduce+"var total = 0;";
		reduce=reduce+"for(var i=0;i<values.length;i++){total += values[i].count;}";
		reduce=reduce+"return {count:total};}";
		
		String result = "resultCollection";
		
		MapReduceOutput mapReduceOutput = personColl.mapReduce(map,
				reduce.toString(), result, null);
		DBCollection resultColl = mapReduceOutput.getOutputCollection();
		DBCursor cursor= resultColl.find();
		while (cursor.hasNext()) {
			System.out.println(cursor.next());
		}
	}