四十四、MongoDB Map Reduce

Map-Reduce 是一种计算模型,简单的说就是将大批量的工作(数据)分解(MAP)执行,然后再将结果合并成最终结果 ( REDUCE )

mapReduce 方法

语法

MongoDB mapReduce() 方法语法格式如下

>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 方法实现两个函数 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
  • 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)。
  • query 一个筛选条件,只有满足条件的文档才会调用map函数 ( query、limit,sort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
  • 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)

Map-Reduce 计算模型图示

在这张图中,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

范例数据

假设我们有以下的 posts 集合数据,存储了用户的 user_name 和文章的 status 字段

> db.posts.insert({
   "post_text": "pottercoding.cn 程序员波特,程序员编程资料站,教程 ",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
> db.posts.insert({
   "post_text": "pottercoding.cn 程序员波特,程序员编程资料站,教程 ",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
> db.posts.insert({
   "post_text": "pottercoding.cn 程序员波特,程序员编程资料站,教程 ",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
> db.posts.insert({
   "post_text": "pottercoding.cn 程序员波特,程序员编程资料站,教程 ",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
> db.posts.insert({
   "post_text": "pottercoding.cn 程序员波特,程序员编程资料站,教程 ",
   "user_name": "mark",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
> db.posts.insert({
   "post_text": "pottercoding.cn 程序员波特,程序员编程资料站,教程 ",
   "user_name": "souyunku",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
> db.posts.insert({
   "post_text": "pottercoding.cn 程序员波特,程序员编程资料站,教程 ",
   "user_name": "souyunku",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
> db.posts.insert({
   "post_text": "pottercoding.cn 程序员波特,程序员编程资料站,教程 ",
   "user_name": "souyunku",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })

接下来我们在 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" 
      }

运行以上 mapReduce 输出结果为

{
  "result" : "post_total",
  "timeMillis" : 153,
  "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

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
  • ouput: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

可以使用 find() 方法查看 mapReduce 计算的结果

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

输出结果如下所示,总共有两个用户 tom 和 mark 有两个发布的文章

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

Map函数和 Reduc e函数可以使用 JavaScript 来实现,使得 MapReduce 的使用非常灵活和强大