MongoDB管理与开发精要《红丸出品》8 MapReduce

MongoDB的MapReduce相当于Mysql中的"group by"，所以在MongoDB上使用 Map/Reduce 进行并行"统计"很容易。

 

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函数和Reduce函数可以使用JavaScript来实现，可以通过db.runCommand或mapReduce命令来执行一个MapReduce的操作：

 

db.runCommand(

 { mapreduce : ,

   map : ,

   reduce :

   [, query : ]

   [, sort : ]

   [, limit : ]

   [, out : ]

   [, keeptemp: ]

   [, finalize : ]

   [, scope :

参数说明:

l  mapreduce: 要操作的目标集合。

l  map: 映射函数 (生成键值对序列，作为 reduce 函数参数)。

l  reduce: 统计函数。

l  query: 目标记录过滤。

l  sort: 目标记录排序。

l  limit: 限制目标记录数量。

l  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)。

l  keeptemp: 是否保留临时集合。

l  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)。

l  scope: 向 map、reduce、finalize 导入外部变量。

l  verbose: 显示详细的时间统计信息。

 

下面我们先准备一些数据:

> db.students.insert({classid:1, age:14, name:'Tom'})

> db.students.insert({classid:1, age:12, name:'Jacky'})

> db.students.insert({classid:2, age:16, name:'Lily'})

> db.students.insert({classid:2, age:9, name:'Tony'})

> db.students.insert({classid:2, age:19, name:'Harry'})

> db.students.insert({classid:2, age:13, name:'Vincent'})

> db.students.insert({classid:1, age:14, name:'Bill'})

> db.students.insert({classid:2, age:17, name:'Bruce'})

> 

接下来，我们将演示如何统计1班和2班的学生数量

Map 函数必须调用 emit(key, value) 返回键值对，使用 this 访问当前待处理的 Document。

> m = function() { emit(this.classid, 1) }

function () {

    emit(this.classid, 1);

}

> 

value 可以使用 JSON Object 传递 (支持多个属性值)。例如:

emit(this.classid, {count:1})

Reduce函数接收的参数类似 Group 效果，将 Map 返回的键值序列组合成 { key, [value1, value2, value3, value...] } 传递给 reduce。

> r = function(key, values) {

... var x = 0;

... values.forEach(function(v) { x += v });

... return x;

... }

function (key, values) {

    var x = 0;

    values.forEach(function (v) {x += v;});

    return x;

}

> 

Reduce 函数对这些 values 进行 "统计" 操作，返回结果可以使用 JSON Object。

> res = db.runCommand({

... mapreduce:"students",

... map:m,

... reduce:r,

... out:"students_res"

... });

{

        "result" : "students_res",

        "timeMillis" : 1587,

        "counts" : {

                "input" : 8,

                "emit" : 8,

                "output" : 2

        },

        "ok" : 1

}

> db.students_res.find()

{ "_id" : 1, "value" : 3 }

{ "_id" : 2, "value" : 5 }

> 

mapReduce() 将结果存储在 "students_res" 表中。

利用 finalize() 我们可以对 reduce() 的结果做进一步处理。

> f = function(key, value) { return {classid:key, count:value}; }

function (key, value) {

    return {classid:key, count:value};

}

>

我们再重新计算一次，看看返回的结果:

> res = db.runCommand({

... mapreduce:"students",

... map:m,

... reduce:r,

... out:"students_res",

... finalize:f

... });

{

        "result" : "students_res",

        "timeMillis" : 804,

        "counts" : {

                "input" : 8,

                "emit" : 8,

                "output" : 2

        },

        "ok" : 1

}

> db.students_res.find()

{ "_id" : 1, "value" : { "classid" : 1, "count" : 3 } }

{ "_id" : 2, "value" : { "classid" : 2, "count" : 5 } }

> 

列名变与 “classid”和”count”了，这样的列表更容易理解。

我们还可以添加更多的控制细节。

> res = db.runCommand({

... mapreduce:"students",

... map:m,

... reduce:r,

... out:"students_res",

... finalize:f,

... query:{age:{$lt:10}}

... });

{

        "result" : "students_res",

        "timeMillis" : 358,

        "counts" : {

                "input" : 1,

                "emit" : 1,

                "output" : 1

        },

        "ok" : 1

}

> db.students_res.find();

{ "_id" : 2, "value" : { "classid" : 2, "count" : 1 } }

> 

可以看到先进行了过滤，只取age<10的数据，然后再进行统计，所以就没有1班的统计数据了。