MongoDB中MapReduce的使用方法详解
前言
玩过Hadoop的小伙伴对MapReduce应该不陌生，MapReduce的强大且灵活，它可以将一个大问题拆分为多个小问题，将各个小问题发送到不同的机器上去处理，所有的机器都完成计算后，再将计算结果合并为一个完整的解决方案，这就是所谓的分布式计算。本文我们就来看看MongoDB中MapReduce的使用。
打算用mongodb mapreduce之前一定要知道的事！！！
mapreduce其实是分批处理数据的，每一百次重新reduce处理，所以到reduce里的数据如果是101条，那就会分2次进入。
这导致的问题就是在reduce中 如果 初始化 var count = 0；在循环中 count ++，最后输出的是1？？？
避免都方法是，把数据存在返回的value里，这个value是会在循环进入reduce的时候重用的。在循环中 count += value.count就能把之前都100加上了！！！
还有如果只有一条数据，那它不会进入reduce，会直接返回。
下面是具体例子：
string map = @"
function() {
var view = this;
emit(view.activity, {pv: 1});
}";
string reduce = @"
function(key, values) {
var result = {pv: 0};
values.forEach(function(value){
result.pv += value.pv;
});
return result;
}";
string finalize = @"
function(key, value){
return value;
}";
mapReduce
MongoDB中的MapReduce可以用来实现更复杂的聚合命令，使用MapReduce主要实现两个函数：map函数和reduce函数，map函数用来生成键值对序列，map函数的结果作为reduce函数的参数，reduce函数中再做进一步的统计，比如我的数据集如下：
{“_id” : ObjectId(“59fa71d71fd59c3b2cd908d7″),”name” : “鲁迅”,”book” : “呐喊”,”price” : 38.0,”publisher” : “人民文学出版社”}
{“_id” : ObjectId(“59fa71d71fd59c3b2cd908d8″),”name” : “曹雪芹”,”book” : “红楼梦”,”price” : 22.0,”publisher” : “人民文学出版社”}
{“_id” : ObjectId(“59fa71d71fd59c3b2cd908d9″),”name” : “钱钟书”,”book” : “宋诗选注”,”price” : 99.0,”publisher” : “人民文学出版社”}
{“_id” : ObjectId(“59fa71d71fd59c3b2cd908da”),”name” : “钱钟书”,”book” : “谈艺录”,”price” : 66.0,”publisher” : “三联书店”}
{“_id” : ObjectId(“59fa71d71fd59c3b2cd908db”),”name” : “鲁迅”,”book” : “彷徨”,”price” : 55.0,”publisher” : “花城出版社”}
假如我想查询每位作者所出的书的总价，操作如下：
var map=function(){emit(this.name,this.price)}
var reduce=function(key,value){return Array.sum(value)}
var options={out:"totalPrice"}
db.sang_books.mapReduce(map,reduce,options);
db.totalPrice.find()
emit函数主要用来实现分组，接收两个参数，第一个参数表示分组的字段，第二个参数表示要统计的数据，reduce来做具体的数据处理操作，接收两个参数，对应emit方法的两个参数，这里使用了Array中的sum函数对price字段进行自加处理，options中定义了将结果输出的集合，届时我们将在这个集合中去查询数据，默认情况下，这个集合即使在数据库重启后也会保留，并且保留集合中的数据。
查询结果如下：
{
“_id” : “曹雪芹”,
“value” : 22.0
}
{
“_id” : “钱钟书”,
“value” : 165.0
}
{
“_id” : “鲁迅”,
“value” : 93.0
}
再比如我想查询每位作者出了几本书，如下：
var map=function(){emit(this.name,1)}
var reduce=function(key,value){return Array.sum(value)}
var options={out:"bookNum"}
db.sang_books.mapReduce(map,reduce,options);
db.bookNum.find()
查询结果如下：
{
"_id" : "曹雪芹",
"value" : 1.0
}
{
"_id" : "钱钟书",
"value" : 2.0
}
{
"_id" : "鲁迅",
"value" : 2.0
}
将每位作者的书列出来，如下：
var map=function(){emit(this.name,this.book)}
var reduce=function(key,value){return value.join(',')}
var options={out:"books"}
db.sang_books.mapReduce(map,reduce,options);
db.books.find()
结果如下：
{
"_id" : "曹雪芹",
"value" : "红楼梦"
}
{
"_id" : "钱钟书",
"value" : "宋诗选注,谈艺录"
}
{
"_id" : "鲁迅",
"value" : "呐喊,彷徨"
}
比如查询每个人售价在￥40以上的书：
var map=function(){emit(this.name,this.book)}
var reduce=function(key,value){return value.join(',')}
var options={query:{price:{$gt:40}},out:"books"}
db.sang_books.mapReduce(map,reduce,options);
db.books.find()
query表示对查到的集合再进行筛选。
结果如下：
{
"_id" : "钱钟书",
"value" : "宋诗选注,谈艺录"
}
{
"_id" : "鲁迅",
"value" : "彷徨"
}
runCommand实现
我们也可以利用runCommand命令来执行MapReduce。格式如下：
db.runCommand(
{
mapReduce: <collection>,
map: <function>,
reduce: <function>,
finalize: <function>,
out: <output>,
query: <document>,
sort: <document>,
limit: <number>,
scope: <document>,
jsMode: <boolean>,
verbose: <boolean>,
bypassDocumentValidation: <boolean>,
collation: <document>
}
)
含义如下：
| 参数 | 含义 |
|---|---|
| mapReduce | 表示要操作的集合 |
| map | map函数 |
| reduce | reduce函数 |
| finalize | 最终处理函数 |
| out | 输出的集合 |
| query | 对结果进行过滤 |
| sort | 对结果排序 |
| limit | 返回的结果数 |
| scope | 设置参数值，在这里设置的值在map、reduce、finalize函数中可见 |
| jsMode | 是否将map执行的中间数据由javascript对象转换成BSON对象，默认为false |
| verbose | 是否显示详细的时间统计信息 |
| bypassDocumentValidation | 是否绕过文档验证 |
| collation | 其他一些校对 |
如下操作，表示执行MapReduce操作并对统计的集合限制返回条数，限制返回条数之后再进行统计操作，如下：
var map=function(){emit(this.name,this.book)}
var reduce=function(key,value){return value.join(',')}
db.runCommand({mapreduce:'sang_books',map,reduce,out:"books",limit:4,verbose:true})
db.books.find()
执行结果如下：
{
"_id" : "曹雪芹",
"value" : "红楼梦"
}
{
"_id" : "钱钟书",
"value" : "宋诗选注,谈艺录"
}
{
"_id" : "鲁迅",
"value" : "呐喊"
}
小伙伴们看到，鲁迅有一本书不见了，就是因为limit是先限制集合返回条数，然后再执行统计操作。
finalize操作表示最终处理函数，如下：
var f1 = function(key,reduceValue){var obj={};obj.author=key;obj.books=reduceValue; return obj}
var map=function(){emit(this.name,this.book)}
var reduce=function(key,value){return value.join(',')}
db.runCommand({mapreduce:'sang_books',map,reduce,out:"books",finalize:f1})
db.books.find()
f1第一个参数key表示emit中的第一个参数，第二个参数表示reduce的执行结果，我们可以在f1中对这个结果进行再处理，结果如下：
{
"_id" : "曹雪芹",
"value" : {
"author" : "曹雪芹",
"books" : "红楼梦"
}
}
{
"_id" : "钱钟书",
"value" : {
"author" : "钱钟书",
"books" : "宋诗选注,谈艺录"
}
}
{
"_id" : "鲁迅",
"value" : {
"author" : "鲁迅",
"books" : "呐喊,彷徨"
}
}
scope则可以用来定义一个在map、reduce和finalize中都可见的变量，如下：
var f1 = function(key,reduceValue){var obj={};obj.author=key;obj.books=reduceValue;obj.sang=sang; return obj}
var map=function(){emit(this.name,this.book)}
var reduce=function(key,value){return value.join(',--'+sang+'--,')}
db.runCommand({mapreduce:'sang_books',map,reduce,out:"books",finalize:f1,scope:{sang:"haha"}})
db.books.find()
执行结果如下：
{
"_id" : "曹雪芹",
"value" : {
"author" : "曹雪芹",
"books" : "红楼梦",
"sang" : "haha"
}
}
{
"_id" : "钱钟书",
"value" : {
"author" : "钱钟书",
"books" : "宋诗选注,--haha--,谈艺录",
"sang" : "haha"
}
}
{
"_id" : "鲁迅",
"value" : {
"author" : "鲁迅",
"books" : "呐喊,--haha--,彷徨",
"sang" : "haha"
}
}
好了，MongoDB中的MapReduce我们就先说到这里，小伙伴们有问题欢迎留言讨论。
总结
本篇文章到此结束，如果您有相关技术方面疑问可以联系我们技术人员远程解决，感谢大家支持本站！
参考资料：
1.《MongoDB权威指南第2版》
