MongoDB - Map Reduce

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，然后将结果文档映射到发出键值对，然后减少基于具有多个值的键.

在上面的语法 :

• 地图是一个javascript函数，它将值与键映射并发出键值对

• reduce 是一个javascript函数，可以减少或分组具有相同键的所有文档

• out 指定map-reduce查询结果的位置

• 查询指定选择文件的可选选择标准

• 排序指定可选的排序标准

• 限制指定可选的最大文件数

使用MapReduce

考虑存储用户帖子的以下文档结构.该文档存储用户的user_name和post的状态.

{
   "post_text": "it1352 is an awesome website for tutorials",
   "user_name": "mark",
   "status":"active"
}

现在，我们将在 posts 集合中使用mapReduce函数来选择所有活动帖子，根据user_name对它们进行分组，然后使用以下代码计算每个用户的帖子数量 :

>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,
}

结果显示共有4个文档与查询匹配(状态:"active")，map函数发出4个带键值对的文档最后，reduce函数将具有相同键的映射文档分组为2.

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()

上面的查询给出了以下结果，表明两个用户 tom 和标记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查询可以用于构造大型复杂聚合查询.使用自定义Javascript函数可以使用MapReduce，它非常灵活且功能强大.