MongoDB Map Reduce

在用 MongoDB 查询时若返回的数据量很大或者做一些比较复杂的统计和聚合操作做花费的时间很长时可以使用 MongoDB 中的 mapReduce 进行实现。mapReduce 是个灵活且强大的数据聚合工具它的好处是可以把一个聚合任务分解为多个小的任务分配到多个服务器上并行处理。

在 MongoDB 中我们可以使用 mapReduce 命令来执行 mapReduce 操作。

MapReduce 命令

以下是MapReduce的基本语法

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

使用 MapReduce 要实现两个函数 Map 函数和 Reduce 函数,Map 函数调用 emit(key, value), 遍历 collection 中所有的记录, 将 key 与 value 传递给 Reduce 函数进行处理。

Map 函数必须调用 emit(key, value) 返回键值对。

参数说明:

• map 映射函数 (生成键值对序列,作为 reduce 函数参数)。
• query 一个筛选条件只有满足条件的文档才会调用map函数。query。limitsort可以随意组合
• sort 和limit结合的sort排序参数也是在发往map函数前给文档排序可以优化分组机制
• reduce 统计函数reduce函数的任务就是将key-values变成key-value也就是把values数组变成一个单一的值value。。
• 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)。
• limit 发往map函数的文档数量的上限要是没有limit单独使用sort的用处不大

以下实例在集合 orders 中查找 status:"A" 的数据并根据 cust_id 来分组并计算 amount 的总和。

---

使用 MapReduce

考虑以下文档结构存储用户的文章文档存储了用户的 user_name 和文章的 status 字段

>db.posts.insert({
   "post_text": "菜鸟教程最全的技术文档。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鸟教程最全的技术文档。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鸟教程最全的技术文档。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鸟教程最全的技术文档。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鸟教程最全的技术文档。",
   "user_name": "mark",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鸟教程最全的技术文档。",
   "user_name": "runoob",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鸟教程最全的技术文档。",
   "user_name": "runoob",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "菜鸟教程最全的技术文档。",
   "user_name": "runoob",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })

现在我们将在 posts 集合中使用 mapReduce 函数来选取已发布的文章(status:"active")并通过user_name分组计算每个用户的文章数

>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 输出结果为

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

结果表明共有 5 个符合查询条件status:"active"的文档 在map函数中生成了 5 个键值对文档最后使用reduce函数将相同的键值分为 2 组。

具体参数说明

• result储存结果的collection的名字,这是个临时集合MapReduce的连接关闭后自动就被删除了。
• timeMillis执行花费的时间毫秒为单位
• input满足条件被发送到map函数的文档个数
• emit在map函数中emit被调用的次数也就是所有集合中的数据总量
• output结果集合中的文档个数count对调试非常有帮助
• ok是否成功成功为1
• err如果失败这里可以有失败原因不过从经验上来看原因比较模糊作用不大

使用 find 操作符来查看 mapReduce 的查询结果

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

以上查询显示如下结果:

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

用类似的方式MapReduce可以被用来构建大型复杂的聚合查询。

Map函数和Reduce函数可以使用 JavaScript 来实现使得MapReduce的使用非常灵活和强大。