MongoDB Map Reduce

Map-Reduce是一種計(jì)算模型，簡(jiǎn)單的說(shuō)就是將大批量的工作（數(shù)據(jù)）分解（MAP）執(zhí)行，然后再將結(jié)果合并成最終結(jié)果（REDUCE）。

MongoDB提供的Map-Reduce非常靈活，對(duì)于大規(guī)模數(shù)據(jù)分析也相當(dāng)實(shí)用。

MapReduce 命令

以下是MapReduce的基本語(yǔ)法：

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

使用 MapReduce 要實(shí)現(xiàn)兩個(gè)函數(shù) Map 函數(shù)和 Reduce 函數(shù),Map 函數(shù)調(diào)用 emit(key, value), 遍歷 collection 中所有的記錄, 將key 與 value 傳遞給 Reduce 函數(shù)進(jìn)行處理。

Map 函數(shù)必須調(diào)用 emit(key, value) 返回鍵值對(duì)。

參數(shù)說(shuō)明:

• map ：映射函數(shù) (生成鍵值對(duì)序列,作為 reduce 函數(shù)參數(shù))。
• reduce 統(tǒng)計(jì)函數(shù)，reduce函數(shù)的任務(wù)就是將key-values變成key-value，也就是把values數(shù)組變成一個(gè)單一的值value。。
• out 統(tǒng)計(jì)結(jié)果存放集合 (不指定則使用臨時(shí)集合,在客戶端斷開(kāi)后自動(dòng)刪除)。
• query 一個(gè)篩選條件，只有滿足條件的文檔才會(huì)調(diào)用map函數(shù)。（query。limit，sort可以隨意組合）
• sort 和limit結(jié)合的sort排序參數(shù)（也是在發(fā)往map函數(shù)前給文檔排序），可以優(yōu)化分組機(jī)制
• limit 發(fā)往map函數(shù)的文檔數(shù)量的上限（要是沒(méi)有l(wèi)imit，單獨(dú)使用sort的用處不大）

使用 MapReduce

考慮以下文檔結(jié)構(gòu)存儲(chǔ)用戶的文章，文檔存儲(chǔ)了用戶的 user_name 和文章的 status字段：

{
   "post_text": "w3cschool.cn W3Cschool教程，最全的技術(shù)文檔。",
   "user_name": "mark",
   "status":"active"
}

現(xiàn)在，我們將在 posts 集合中使用 mapReduce 函數(shù)來(lái)選取已發(fā)布的文章，并通過(guò)user_name分組，計(jì)算每個(gè)用戶的文章數(shù)：

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

以上 mapReduce 輸出結(jié)果為：

{
   "result" : "post_total",
   "timeMillis" : 9,
   "counts" : {
      "input" : 4,
      "emit" : 4,
      "reduce" : 2,
      "output" : 2
   },
   "ok" : 1,
}

結(jié)果表明，共有4個(gè)符合查詢條件（status:"active"）的文檔， 在map函數(shù)中生成了4個(gè)鍵值對(duì)文檔，最后使用reduce函數(shù)將相同的鍵值分為兩組。

具體參數(shù)說(shuō)明：

• result：儲(chǔ)存結(jié)果的collection的名字,這是個(gè)臨時(shí)集合，MapReduce的連接關(guān)閉后自動(dòng)就被刪除了。
• timeMillis：執(zhí)行花費(fèi)的時(shí)間，毫秒為單位
• input：滿足條件被發(fā)送到map函數(shù)的文檔個(gè)數(shù)
• emit：在map函數(shù)中emit被調(diào)用的次數(shù)，也就是所有集合中的數(shù)據(jù)總量
• ouput：結(jié)果集合中的文檔個(gè)數(shù)（count對(duì)調(diào)試非常有幫助）
• ok：是否成功，成功為1
• err：如果失敗，這里可以有失敗原因，不過(guò)從經(jīng)驗(yàn)上來(lái)看，原因比較模糊，作用不大

使用 find 操作符來(lái)查看 mapReduce 的查詢結(jié)果：

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

以上查詢顯示如下結(jié)果，兩個(gè)用戶 tom 和 mark 有兩個(gè)發(fā)布的文章:

{ "_id" : "tom", "value" : 2 }
{ "_id" : "mark", "value" : 2 }

用類(lèi)似的方式，MapReduce可以被用來(lái)構(gòu)建大型復(fù)雜的聚合查詢。

Map函數(shù)和Reduce函數(shù)可以使用 JavaScript 來(lái)實(shí)現(xiàn)，是的MapReduce的使用非常靈活和強(qiáng)大。