MongoDB Map Reduce
MongoDB Map Reduce
Map-Reduce是一種計算模型,簡單的說就是將大批量的工作(資料)分解(MAP)執行,然後再將結果合併成最終結果(REDUCE)。
MongoDB提供的Map-Reduce非常靈活,對於大規模資料分析也相當實用。
MapReduce 命令
以下是MapReduce的基本語法:
>db.collection.mapReduce( function() {emit(key,value);}, //map 函式 function(key,values) {return reduceFunction}, //reduce 函式 { out: collection, query: document, sort: document, limit: number } )
使用 MapReduce 要實現兩個函式 Map 函式和 Reduce 函式,Map 函式呼叫 emit(key, value), 遍歷 collection 中所有的記錄, 將 key 與 value 傳遞給 Reduce 函式進行處理。
Map 函式必須呼叫 emit(key, value) 返回鍵值對。
引數說明:
- map :對映函式 (生成鍵值對序列,作為 reduce 函式引數)。
- reduce 統計函式,reduce函式的任務就是將key-values變成key-value,也就是把values陣列變成一個單一的值value。。
- out 統計結果存放集合 (不指定則使用臨時集合,在客戶端斷開後自動刪除)。
- query 一個篩選條件,只有滿足條件的文件才會呼叫map函式。(query。limit,sort可以隨意組合)
- sort 和limit結合的sort排序引數(也是在發往map函式前給文件排序),可以優化分組機制
- limit 發往map函式的文件數量的上限(要是沒有limit,單獨使用sort的用處不大)
以下例項在集合 orders 中查詢 status:"A" 的資料,並根據 cust_id 來分組,並計算 amount 的總和。
使用 MapReduce
考慮以下文件結構儲存使用者的文章,文件儲存了使用者的 user_name 和文章的 status 欄位:
>db.posts.insert({ "post_text": "入門教學,最全的技術文件。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "入門教學,最全的技術文件。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "入門教學,最全的技術文件。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "入門教學,最全的技術文件。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "入門教學,最全的技術文件。", "user_name": "mark", "status":"disabled" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "入門教學,最全的技術文件。", "user_name": "itread01", "status":"disabled" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "入門教學,最全的技術文件。", "user_name": "itread01", "status":"disabled" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "入門教學,最全的技術文件。", "user_name": "itread01", "status":"active" }) WriteResult({ "nInserted" : 1 })
現在,我們將在 posts 集合中使用 mapReduce 函式來選取已釋出的文章(status:"active"),並通過user_name分組,計算每個使用者的文章數:
>db.posts.mapReduce( function() { emit(this.user_name,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" } )
以上 mapReduce 輸出結果為:
{ "result" : "post_total", "timeMillis" : 23, "counts" : { "input" : 5, "emit" : 5, "reduce" : 1, "output" : 2 }, "ok" : 1 }
結果表明,共有 5 個符合查詢條件(status:"active")的文件, 在map函式中生成了 5 個鍵值對文件,最後使用reduce函式將相同的鍵值分為 2 組。
具體引數說明:
- result:儲存結果的collection的名字,這是個臨時集合,MapReduce的連線關閉後自動就被刪除了。
- timeMillis:執行花費的時間,毫秒為單位
- input:滿足條件被髮送到map函式的文件個數
- emit:在map函式中emit被呼叫的次數,也就是所有集合中的資料總量
- ouput:結果集合中的文件個數(count對除錯非常有幫助)
- ok:是否成功,成功為1
- err:如果失敗,這裡可以有失敗原因,不過從經驗上來看,原因比較模糊,作用不大
使用 find 操作符來檢視 mapReduce 的查詢結果:
>db.posts.mapReduce( function() { emit(this.user_name,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" } ).find()
以上查詢顯示如下結果:
{ "_id" : "mark", "value" : 4 } { "_id" : "itread01", "value" : 1 }
用類似的方式,MapReduce可以被用來構建大型複雜的聚合查詢。
Map函式和Reduce函式可以使用 JavaScript 來實現,使得MapReduce的使用非常靈活和強大。