MongoDB Map Reduce
根据MongoDB文档,map-reduce是一种用于将大量数据压缩为有用的聚合结果的数据处理范例。 MongoDB的使用mapReduce用于执行map-reduce操作的命令。 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);}, //地图功能 function(key,values) {return reduceFunction}, { //减少功能 out: collection, query: document, sort: document, limit: number } )
map-reduce函数首先查询集合,然后映射结果文档以发出键-值对,然后根据具有多个值的键对其进行缩减。
在以上语法中:
map是一个javascript函数,该函数将一个键映射到一个值并发出一个键-值对
reduce是一个javascript函数,用于减少或分组所有具有相同密钥的文档
out指定map-reduce查询结果的位置
query指定用于选择文档的可选选择标准
sort指定可选的排序条件
limit指定要返回的可选最大文档数
使用MapReduce
考虑以下存储用户帖子的文档结构。该文档存储用户的user_name和发布状态。
{ "post_text": "newbiego is an awesome website for newbiego", "user_name": "mark", "status":"active" }
现在,我们将在我们的地图上使用mapReduce函数posts收集以选择所有活动的帖子,根据用户名将它们分组,然后使用以下代码对每个用户的帖子数进行计数:
>db.posts.mapReduce( function() { emit(this.user_id,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" } )
上面的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个文档与查询匹配(状态:“活动”),map函数发出4个具有键值对的文档,最后reduce函数将具有相同键的映射文档分为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()
上面的查询给出以下结果,表明两个用户tom和mark有两个处于活跃状态的帖子:
{ "_id" : "tom", "value" : 2 } { "_id" : "mark", "value" : 2 }
以类似的方式,MapReduce查询可用于构造大型复杂的聚合查询。自定义Javascript函数的使用利用了MapReduce,它非常灵活且功能强大。