MongoDB学习之旅十二：MongoDB MapReduce

222e

MongDB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中的所有记录，将key和value传递给Reduce函数进行处理。Map函数和Reduce函数可以使用JS来实现，可以通过db.runCommand或mapReduce命令来执行一个MapReduce操作。

    示例shell
db.runCommand(  
{ mapreduce : <collection>,  
map : <mapfunction>,  
reduce : <reducefunction>  
[, query : <query filter object>]  
[, sort : <sorts the input objects using this key. Useful for optimization, like sorting by the  
emit key for fewer reduces>]  
[, limit : <number of objects to return from collection>]  
[, out : <see output options below>]  
[, keeptemp: <true|false>]  
[, finalize : <finalizefunction>]  
[, scope : <object where fields go into javascript global scope >]  
[, verbose : true]  
}  
);  
     参数说明:

     mapreduce: 要操作的目标集合。

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

     reduce: 统计函数。

     query: 目标记录过滤。

     sort: 目标记录排序。

     limit: 限制目标记录数量。

     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)。

     keeptemp: 是否保留临时集合。

     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)。

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

     verbose: 显示详细的时间统计信息。
     下面我们准备数据以备后面示例所需
> 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'})  
>  
    现在我们演示如何统计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。

    这里this一定不能忘了！！！
> 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。
    结果如下：
> 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。