MongoDB Map Reduce

【mongoDB高級篇②】大數據彙集運算之mapReduce(映射化簡)

Map-Reduce是一種計算模型，簡單的說就是將大批量的工做（數據）分解（MAP）執行，而後再將結果合併成最終結果（REDUCE）。

MongoDB提供的Map-Reduce很是靈活，對於大規模數據分析也至關實用。

MapReduce 命令

如下是MapReduce的基本語法：

>db.collection.mapReduce(
   function() {emit(key,value);},  //map 函數
   function(key,values) {return reduceFunction},   //reduce 函數
   {
      out: collection,
      query: document,
      sort: document,
      limit: number
   }
)

使用 MapReduce 要實現兩個函數 Map 函數和 Reduce 函數,Map 函數調用 emit(key, value), 遍歷 collection 中全部的記錄, 將 key 與 value 傳遞給 Reduce 函數進行處理。

Map 函數必須調用 emit(key, value) 返回鍵值對。

參數說明:

• map ：映射函數 (生成鍵值對序列,做爲 reduce 函數參數)。
• reduce 統計函數，reduce函數的任務就是將key-values變成key-value，也就是把values數組變成一個單一的值value。。
• out 統計結果存放集合 (不指定則使用臨時集合,在客戶端斷開後自動刪除)。
• query 一個篩選條件，只有知足條件的文檔纔會調用map函數。（query。limit，sort能夠隨意組合）
• sort 和limit結合的sort排序參數（也是在發往map函數前給文檔排序），能夠優化分組機制
• limit 發往map函數的文檔數量的上限（要是沒有limit，單獨使用sort的用處不大）

如下實例在集合 orders 中查找 status:"A" 的數據，並根據 cust_id 來分組，並計算 amount 的總和。

使用 MapReduce

考慮如下文檔結構存儲用戶的文章，文檔存儲了用戶的 user_name 和文章的 status 字段：

>db.posts.insert({
   "post_text": "菜鳥教程，最全的技術文檔。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鳥教程，最全的技術文檔。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鳥教程，最全的技術文檔。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鳥教程，最全的技術文檔。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鳥教程，最全的技術文檔。",
   "user_name": "mark",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鳥教程，最全的技術文檔。",
   "user_name": "runoob",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鳥教程，最全的技術文檔。",
   "user_name": "runoob",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鳥教程，最全的技術文檔。",
   "user_name": "runoob",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })

如今，咱們將在 posts 集合中使用 mapReduce 函數來選取已發佈的文章(status:"active")，並經過user_name分組，計算每一個用戶的文章數：

>db.posts.mapReduce( 
   function() { emit(this.user_name,1); }, 
   function(key, values) {return Array.sum(values)}, 
      {  
         query:{status:"active"},  
         out:"post_total" 
      }
)

以上 mapReduce 輸出結果爲：

{
        "result" : "post_total",
        "timeMillis" : 23,
        "counts" : {
                "input" : 5,
                "emit" : 5,
                "reduce" : 1,
                "output" : 2
        },
        "ok" : 1
}

結果代表，共有 5 個符合查詢條件（status:"active"）的文檔， 在map函數中生成了 5 個鍵值對文檔，最後使用reduce函數將相同的鍵值分爲 2 組。

 

具體參數說明：

• result：儲存結果的collection的名字,這是個臨時集合，MapReduce的鏈接關閉後自動就被刪除了。
• timeMillis：執行花費的時間，毫秒爲單位
• input：知足條件被髮送到map函數的文檔個數
• emit：在map函數中emit被調用的次數，也就是全部集合中的數據總量
• ouput：結果集合中的文檔個數（count對調試很是有幫助）
• ok：是否成功，成功爲1
• err：若是失敗，這裏能夠有失敗緣由，不過從經驗上來看，緣由比較模糊，做用不大

使用 find 操做符來查看 mapReduce 的查詢結果：

>db.posts.mapReduce( 
   function() { emit(this.user_name,1); }, 
   function(key, values) {return Array.sum(values)}, 
      {  
         query:{status:"active"},  
         out:"post_total" 
      }
).find()

以上查詢顯示以下結果，兩個用戶 tom 和 mark 有兩個發佈的文章:

{ "_id" : "mark", "value" : 4 }
{ "_id" : "runoob", "value" : 1 }

用相似的方式，MapReduce能夠被用來構建大型複雜的聚合查詢。

Map函數和Reduce函數可使用 JavaScript 來實現，使得MapReduce的使用很是靈活和強大。