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。