小白教程
所有教程
关于
Search
172.70.126.43
172.70.126.43
参数设置
贡献
退出
操作
编辑
移动
保护
信息
历史
删除
查看“MongoDB Map Reduce”的源代码
本页内容
上一节:
MongoDB_ObjectId
下一节:
MongoDB_全文检索
因为以下原因,您没有权限编辑本页:
您请求的操作仅限属于该用户组的用户执行:
用户
您可以查看和复制此页面的源代码。
{{DISPLAYTITLE:MongoDB Map Reduce}}[[Category:MongoDB 教程|40]] = 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)。 MongoDB提供的Map-Reduce非常灵活,对于大规模数据分析也相当实用。 === MapReduce 命令 === 以下是MapReduce的基本语法: <sample title="" desc="" lang="mongodb" hererun="1"> >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 } ) </sample> 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)。 * '''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) 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: <sample title="" desc="" lang="mongodb" hererun="1"> >db.posts.insert({ "post_text": "小白教程,最全的技术文档。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "小白教程,最全的技术文档。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "小白教程,最全的技术文档。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "小白教程,最全的技术文档。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "小白教程,最全的技术文档。", "user_name": "mark", "status":"disabled" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "小白教程,最全的技术文档。", "user_name": "xiaobai", "status":"disabled" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "小白教程,最全的技术文档。", "user_name": "xiaobai", "status":"disabled" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "小白教程,最全的技术文档。", "user_name": "xiaobai", "status":"active" }) WriteResult({ "nInserted" : 1 }) </sample> 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: <sample title="" desc="" lang="mongodb" hererun="1"> >db.posts.mapReduce( function() { emit(this.user_name,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" } ) </sample> 以上 mapReduce 输出结果为: <sample title="" desc="" lang="mongodb" hererun="1"> { "result" : "post_total", "timeMillis" : 23, "counts" : { "input" : 5, "emit" : 5, "reduce" : 1, "output" : 2 }, "ok" : 1 } </sample> 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: <sample title="" desc="" lang="mongodb" hererun="1"> > 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(); </sample> 以上查询显示如下结果: <sample title="" desc="" lang="mongodb" hererun="1"> { "_id" : "mark", "value" : 4 } { "_id" : "xiaobai", "value" : 1 } </sample> 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。
返回至“
MongoDB Map Reduce
”。
上一节:
MongoDB_ObjectId
下一节:
MongoDB_全文检索