MongoDB Map Reduce

根据MongoDB的文档， Map-reduce 是一种将大量数据压缩为有用的聚合结果的数据处理范式。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为键值对，然后根据具有多个值的键进行减少。

在上述语法中 –

• map 是一个javascript函数，它将一个键值与一个键相关联并发出一个键值对

• reduce 是一个javascript函数，它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

• query 指定可选的选择条件以选择文档

• sort 指定可选的排序条件

• limit 指定可选的返回的最大文档数

使用MapReduce

考虑以下存储用户帖子的文档结构。文档存储用户的用户名称和帖子的状态。

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

现在，我们将在我们的 posts 集合上使用mapReduce函数，选择所有活跃的帖子，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" 
   }
)

上述的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，总共有4个文档与查询（status:”active”）匹配，map函数发射了4个带有键值对的文档，最后reduce函数将具有相同键的映射文档分组成2个。

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()

上述查询给出了以下结果，表明两个用户 tom 和 mark 都有两个处于活动状态的帖子。

{ "_id" : "tom", "value" : 2 }
{ "_id" : "mark", "value" : 2 }

类似地，MapReduce查询可以用来构建复杂的聚合查询。使用自定义的JavaScript函数可以充分利用灵活且强大的MapReduce功能。