MongoDB mapReduce

• 

  mapReduce

  根据MongoDB文档，Map-reduce是一种数据处理范例，用于将大量数据压缩为有用的聚合结果。MongoDB使用mapReduce命令进行map-reduce操作。MapReduce通常用于处理大型数据集。
• 

  MapReduce命令

  以下是基本mapReduce命令的语法-

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

  map-reduce函数首先查询集合，然后映射结果文档以发出键-值对，然后根据具有多个值的键对其进行缩减。在上面的语法中-

  • map是一个javascript函数，它使用键映射值并发出键值对，reduce是一个javascript函数，用于减少或分组所有具有相同密钥的文档
  • out指定map-reduce查询结果的位置
  • 查询指定用于选择文档的可选选择标准
  • sort指定可选的排序条件
  • limit指定要返回的可选最大文档数
• 

  使用MapReduce

  考虑以下存储用户帖子的文档结构。该文档存储用户的user_name和发布状态。

  
  {
     "post_text": "jc2182 is an awesome website for tutorials",
     "user_name": "mark",
     "status":"active"
  }
  

  现在，我们将在我们的帖子集合上使用mapReduce函数来选择所有活动的帖子，根据user_name将它们分组，然后使用以下代码对每个用户的帖子数进行计数-

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

  上面的mapReduce查询输出以下结果-

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

  结果显示，总共有4个文档与查询匹配（status："active"），map函数发出了4个具有键值对的文档，最后reduce函数将具有相同键的映射文档分为2个。要查看此mapReduce查询的结果，请使用find运算符-

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

  上面的查询给出以下结果，表明用户tom和mark都有两个处于活动状态的帖子-

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

  以类似的方式，MapReduce查询可用于构造大型复杂的聚合查询。自定义Javascript函数的使用利用了MapReduce，它非常灵活且功能强大。