MongoDB 映射減少
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 指令
以下是MapReduce的基本語法:
>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 要實作兩個函數Map 函數和Reduce 函數,Map 函數呼叫emit(key, value), 遍歷 collection 中所有的記錄, 將key 與 value 傳遞給 Reduce 函數進行處理。
Map 函數必須呼叫 emit(key, value) 傳回鍵值對。
參數說明:
map :映射函數 (產生鍵值對序列,作為 reduce 函數參數)。
reduce 統計函數,reduce函數的任務就是將key-values變成key-value,也就是把values陣列變成單一的值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函數。 (query。limit,sort可以隨意組合)
sort 和limit結合的sort排序參數(也是在發送到map函數前給文檔排序),可以最佳化分組機制
limit 傳送到map函數的文件數量的上限(如果沒有limit,單獨使用sort的用處不大)
#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": "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 })
現在,我們將在posts 集合中使用mapReduce 函數來選取已發佈的文章(status:"active"),並透過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4個符合查詢條件(status:"active")的文檔, 在map函數中產生了4個鍵值對文檔,最後使用reduce函數將相同的鍵值分成兩組。
特定參數說明:
result:儲存結果的collection的名字,這是個暫存集合,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:滿足條件被傳送到map函數的文件數
emit:在map函數中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字(count對調試非常有幫助)
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 運算子來查看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,兩個使用者tom 和mark 有兩個發佈的文章:
{ "_id" : "mark", "value" : 4 } { "_id" : "php", "value" : 1 }
用類似的方式,MapReduce可以被用來建構大型複雜的聚合查詢。
Map函數和Reduce函數可以使用 JavaScript 來實現,使得MapReduce的使用非常靈活且強大。