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（數據）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，對於大規模數據分析也相當實用。

MapReduce 命令

以下是MapReduce的基本語法：

>db.collection.mapReduce(
   function() {emit(key,value);},  //map 函數
   function(key,values) {return reduceFunction},   //reduce 函數
   {
      out: collection,
      query: document,
      sort: document,
      limit: number
   }
)

使用 MapReduce 要實現兩個函數 Map 函數和 Reduce 函數,Map 函數調用 emit(key, value), 遍曆 collection 中所有的記錄, 將 key 與 value 傳遞給 Reduce 函數進行處理。

Map 函數必須調用 emit(key, value) 返回鍵值對。

參數說明:

  • map ：映射函數 (生成鍵值對序列,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數組變成一個單一的值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，只有滿足條件的文檔才會調用map函數。（query。limit，sort可以隨意組合）
  • sort 和limit結合的sort排序參數（也是在發往map函數前給文檔排序），可以優化分組機制
  • limit 發往map函數的文檔數量的上限（要是沒有limit，單獨使用sort的用處不大）

以下實例在集合 orders 中查找 status:"A" 的數據，並根據 cust_id 來分組，並計算 amount 的總和。

使用 MapReduce

考慮以下文檔結構存儲用戶的文章，文檔存儲了用戶的 user_name 和文章的 status 字段：

>db.posts.insert({
   "post_text": "IT研修，最全的技術文檔。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "IT研修，最全的技術文檔。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "IT研修，最全的技術文檔。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "IT研修，最全的技術文檔。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "IT研修，最全的技術文檔。",
   "user_name": "mark",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "IT研修，最全的技術文檔。",
   "user_name": "zaixian",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "IT研修，最全的技術文檔。",
   "user_name": "zaixian",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "IT研修，最全的技術文檔。",
   "user_name": "zaixian",
   "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")，並通過user_name分組，計算每個用戶的文章數： 

>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"）的文檔， 在map函數中生成了 5 個鍵值對文檔，最後使用reduce函數將相同的鍵值分為 2 組。

具體參數說明：

  • result：儲存結果的collection的名字,這是個臨時集合，MapReduce的連接關閉後自動就被刪除了。
  • timeMillis：執行花費的時間，毫秒為單位
  • input：滿足條件被發送到map函數的文檔個數
  • emit：在map函數中emit被調用的次數，也就是所有集合中的數據總量
  • ouput：結果集合中的文檔個數（count對調試非常有幫助）
  • ok：是否成功，成功為1
  • err：如果失敗，這裏可以有失敗原因，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:

{ "_id" : "mark", "value" : 4 }
{ "_id" : "zaixian", "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函數和Reduce函數可以使用 JavaScript 來實現，使得MapReduce的使用非常靈活和強大。