MongoDB分布式存储的MapReduce并行查询

我爱小虾

　　今天要介绍的是如何使用MONGODB中提供的MapReduce功能进行查询。
　　今天介绍如何基于sharding机制进行mapreduce查询。在MongoDB的官方文档中，这么一句话：
　　Sharded Environments
　　In sharded environments, data processing of map/reduce operations runs in parallel on all shards.
　　即: map/reduce操作会并行运行在所有的shards上。
　　下面我们就用之前这篇文章中白搭建的环境来构造mapreduce查询：
　　首先要说的是，基于sharding的mapreduce与非sharding的数据在返回结构上有一些区别，我目前注意到的主要是不支持定制式的json格式的返回数据，也就是下面方式可能会出现问题：
　　return { count : total };
　　注意：上面的情况目前出现在了我的测试环境下，如下图：
　　就需要改成 return count;
　　下面是测试代码，首先是按帖子id来查询相应数量(基于分组查询实例方式)：

　　Code highlighting produced by Actipro CodeHighlighter (freeware)http://www.CodeHighlighter.com/-->public partial>　　{
　　public Mongo Mongo { get; set; }
　　public IMongoDatabase DB
　　{
　　get
　　{
　　return this.Mongo["dnt_mongodb"];
　　}
　　}
　　///
　　/// Sets up the test environment.  You can either override this OnInit to add custom initialization.
　　///
　　public virtual void Init()
　　{
　　string ConnectionString = "Server=10.0.4.85:27017;ConnectTimeout=30000;ConnectionLifetime=300000;MinimumPoolSize=512;MaximumPoolSize=51200;Pooled=true";
　　if (String.IsNullOrEmpty(ConnectionString))
　　throw new ArgumentNullException("Connection string not found.");
　　this.Mongo = new Mongo(ConnectionString);
　　this.Mongo.Connect();
　　}
　　string mapfunction = "function(){\n" +
　　"  if(this._id=='548111') { emit(this._id, 1); } \n" +
　　"};";
　　string reducefunction = "function(key, current ){" +
　　"   var count = 0;" +
　　"   for(var i in current) {" +
　　"       count+=current;" +
　　"   }" +
　　"   return count ;\n" +
　　"};";
　　protected void Page_Load(object sender, EventArgs e)
　　{
　　Init();
　　var mrb = DB["posts1"].MapReduce();//attach_gfstream.files
　　int groupCount = 0;
　　using (var mr = mrb.Map(mapfunction).Reduce(reducefunction))
　　{
　　foreach (Document doc in mr.Documents)
　　{
　　groupCount = int.Parse(doc["value"].ToString());
　　}
　　}
　　this.Mongo.Disconnect();
　　}
　　}
　　下面是运行时的查询结果，如下：

　　接着演示一下如何把查询到的帖子信息返回并装入list集合，这里只查询ID为548110和548111两个帖子：
　　Code highlighting produced by Actipro CodeHighlighter (freeware)http://www.CodeHighlighter.com/-->        string mapfunction = "function(){\n" +
　　"  if(this._id=='548110'|| this._id=='548111') { emit(this, 1); } \n" +
　　"};";
　　string reducefunction = "function(doc, current ){" +
　　"   return doc;\n" +
　　"};";
　　protected void Page_Load(object sender, EventArgs e)
　　{
　　Init();
　　var mrb = DB["posts1"].MapReduce();//attach_gfstream.files
　　List postDoc = new List();
　　using (var mr = mrb.Map(mapfunction).Reduce(reducefunction))
　　{
　　foreach (Document doc in mr.Documents)
　　{
　　postDoc.Add((Document)doc["value"]);
　　}
　　}
　　this.Mongo.Disconnect();
　　}
　　下面是运行时的查询结果，如下：
　　上面的map/reduce方法还有许多写法，如果大家感兴趣可以看一下如下这些链接：
　　http://cookbook.mongodb.org/patterns/unique_items_map_reduce/
　　http://www.mongodb.org/display/DOCS/MapReduce
　　以及之前我写的这篇文章：http://www.cnblogs.com/daizhj/archive/2010/06/10/1755761.html
　　当然在mongos进行map/reduce运算时，会生成一些临时文件，如下图：

　　我猜这些临时文件可能会对再次查询系统时的性能有一些提升(但目前未观察到)。
　　当然对于mongodb的gridfs系统(可使用它搭建分布式文件存储系统，我之前在这篇文章中已介绍过，我也做了测试，但遗憾的是并未成功，它经常会报一些错误，比如：
　　Thu Sep 09 12:09:29 Assertion failure _grab client\parallel.cpp 461
　　看来mapreduce程序链接到mongodb上时，会产生一些问题，但不知道是不是其自身稳定性的原因，还是我的机器环境设置问题(内存或配置的64位系统mongos与32位的client连接问题)。