MongoDB-Map&Reduce
模拟大数据搜索场景--‐何旭东请使用脚本插入本次课程中的Map&Reduce举例的学生表到1000w条文档。字段
保持不变。
使用Map&Reduce 计算出10
db.users.find();
{
"_id"
:
ObjectId("55ca9ae785b177a46da9494f"),
"classid"
:
1,
"age"
:
37,
"name"
:
"name0"
}
{
"_id"
:
ObjectId("55ca9ae785b177a46da94950"),
"classid"
:
1,
"age"
:
12,
"name"
:
"name1"
}
{
"_id"
:
ObjectId("55ca9ae785b177a46da94951"),
"classid"
:
1,
"age"
:
31,
"name"
:
"name2"
}
{
"_id"
:
ObjectId("55ca9ae785b177a46da94952"),
"classid"
:
2,
"age"
:
27,
"name"
:
"name3"
}
脚本创建模拟数据：
for (var i=1;
i mapf = function(){emit(this.classid, 1)}
function (){emit(this.classid, 1)}
Reduce 函数
Reduce 函数接收的参数类似Group 效果,已经按照健聚合过一次
将Map 返回的键值序列组合成{key, }传递给
Reduce,Reduce 函数对values 统计
> reducef=function (key, values) {
... var count = 0;
... values.forEach(function (v) {count += v;}); return count;
... }
function (key, values) {
var count = 0;
values.forEach(function (v) {count += v;}); return count;
}
Options 更多的控制细节
> res = db.runCommand({ mapreduce:"users", map:mapf, reduce:reducef,
out:"users_res",
finalize:ff,
query:{age:{$lt:10}}
...
});
{
"result"
:
"users_res",
"timeMillis"
:
6251,
"counts"
:
{
"input"
:
333716,
"emit"
:
333716,
"reduce"
:
6676,
"output"
:
2
},
"ok"
:
1
}
>
结果：
>
db.users_res.find();
{
"_id"
:
1,
"value"
:
{
"classid"
:
1,
"count"
:
167142
}
}
{
"_id"
:
2,
"value"
:
{
"classid"
:
2,
"count"
:
166574
}
}
1 班小于10 岁的有167142 人。2 班小于10 岁的有166574 人。
继续统计小于20 岁以下，每个班学生的个数：
> res = db.runCommand({ mapreduce:"users", map:mapf, reduce:reducef,
out:"users_2res", finalize:ff, query:{age:{$lt:20}}
... ... });
{
"result" : "users_2res",
"timeMillis" : 23247,
"counts" : {
"input" : 3666243,
"emit" : 3666243,
"reduce" : 73326,
"output" : 2
},
"ok" : 1
}
> db.users_2res.find();
{ "_id" : 1, "value" : { "classid" : 1, "count" : 1832306 } }
{ "_id" : 2, "value" : { "classid" : 2, "count" : 1833937 } }
1 班小于20 岁的有1832306 人。2 班小于20 岁的有1833937 人。
页:
[1]