MongoDB Map Reduce函数
翻译结果:
map
英 [mæp] 美 [mæp]
n.地图,天体图;类似地图的事物;〈美俚〉脸,面孔;(染色体上基因排列的)遗传图
vt.绘制(一地区等的)地图;勘查;详细规划;[遗传学]比对
reduce
英 [rɪˈdju:s] 美 [rɪˈdu:s]
vt.减少;缩小;使还原;使变弱
vi.减少;节食;蒸发;(液体)浓缩变稠
MongoDB Map Reduce函数 语法
作用:Map-Reduce是一种计算模型,简单的说就是将大批量的工作(数据)分解(MAP)执行,然后再将结果合并成最终结果(REDUCE)。MongoDB提供的Map-Reduce非常灵活,对于大规模数据分析也相当实用。
语法:>db.collection.mapReduce( function() {emit(key,value);}, //map 函数
function(key,values) {return reduceFunction}, //reduce 函数{out: collection,query: document,sort: document,limit: number })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 中所有的记录, 将key 与 value 传递给 Reduce 函数进行处理。Map 函数必须调用 emit(key, value) 返回键值对。
参数:map :映射函数 (生成键值对序列,作为 reduce 函数参数)。reduce 统计函数,reduce函数的任务就是将key-values变成key-value,也就是把values数组变成一个单一的值value。。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)。query 一个筛选条件,只有满足条件的文档才会调用map函数。(query。limit,sort可以随意组合)sort 和limit结合的sort排序参数(也是在发往map函数前给文档排序),可以优化分组机制limit 发往map函数的文档数量的上限(要是没有limit,单独使用sort的用处不大)
MongoDB Map Reduce函数 示例
>db.posts.insert({ "post_text": "php中文网,最全的技术文档。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "php中文网,最全的技术文档。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "php中文网,最全的技术文档。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "php中文网,最全的技术文档。", "user_name": "mark", "status":"active" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "php中文网,最全的技术文档。", "user_name": "mark", "status":"disabled" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "php中文网,最全的技术文档。", "user_name": "php", "status":"disabled" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "php中文网,最全的技术文档。", "user_name": "php", "status":"disabled" }) WriteResult({ "nInserted" : 1 }) >db.posts.insert({ "post_text": "php中文网,最全的技术文档。", "user_name": "php", "status":"active" }) WriteResult({ "nInserted" : 1 }) 现在,我们将在 posts 集合中使用 mapReduce 函数来选取已发布的文章(status:"active"),并通过user_name分组,计算每个用户的文章数: >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 输出结果为: { "result" : "post_total", "timeMillis" : 23, "counts" : { "input" : 5, "emit" : 5, "reduce" : 1, "output" : 2 }, "ok" : 1 } 结果表明,共有4个符合查询条件(status:"active")的文档, 在map函数中生成了4个键值对文档,最后使用reduce函数将相同的键值分为两组。 具体参数说明: result:储存结果的collection的名字,这是个临时集合,MapReduce的连接关闭后自动就被删除了。 timeMillis:执行花费的时间,毫秒为单位 input:满足条件被发送到map函数的文档个数 emit:在map函数中emit被调用的次数,也就是所有集合中的数据总量 ouput:结果集合中的文档个数(count对调试非常有帮助) ok:是否成功,成功为1 err:如果失败,这里可以有失败原因,不过从经验上来看,原因比较模糊,作用不大 使用 find 操作符来查看 mapReduce 的查询结果: >db.posts.mapReduce( function() { emit(this.user_name,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" } ).find() 以上查询显示如下结果,两个用户 tom 和 mark 有两个发布的文章: { "_id" : "mark", "value" : 4 } { "_id" : "php", "value" : 1 } 用类似的方式,MapReduce可以被用来构建大型复杂的聚合查询。 Map函数和Reduce函数可以使用 JavaScript 来实现,使得MapReduce的使用非常灵活和强大。
热门推荐
MongoDB 相关词典