mongo MapReduce例子

 

http://my.oschina.net/huzorro/blog/75210

这篇也写的很好

 

 

 

第八章 MapReduce

MongoDB的MapReduce相当于Mysql中的"group by"，所以在MongoDB上使用 Map/Reduce 进行并行"统计"很容易。

 

使用MapReduce要实现两个函数 Map函数和Reduce函数，Map函数调用emit(key, value)，遍历collection中所有的记录，将key与value传递给Reduce函数进行处理。Map函数和Reduce函数可以使用JavaScript来实现，可以通过db.runCommand或mapReduce命令来执行一个MapReduce的操作：

 

 

db.runCommand(

{ mapreduce : <collection>,

   map : <mapfunction>,

   reduce : <reducefunction>

   [, query : <query filter object>]

   [, sort : <sorts the input objects using this key. Useful for optimization, like sorting by the emit key for fewer reduces>]

   [, limit : <number of objects to return from collection>]

   [, out : <see output options below>]

   [, keeptemp: <true|false>]

   [, finalize : <finalizefunction>]

   [, scope : <object where fields go into javascript global scope >]

   [, verbose : true]

}

);

 

参数说明:

l  mapreduce: 要操作的目标集合。

l  map: 映射函数 (生成键值对序列，作为 reduce 函数参数)。

l  reduce: 统计函数。

l  query: 目标记录过滤。

l  sort: 目标记录排序。

l  limit: 限制目标记录数量。

l  out: 统计结果存放集合 (不指定则使用临时集合，在客户端断开后自动删除)。

l  keeptemp: 是否保留临时集合。

l  finalize: 最终处理函数 (对 reduce 返回结果进行最终整理后存入结果集合)。

l  scope: 向 map、reduce、finalize 导入外部变量。

l  verbose: 显示详细的时间统计信息。

 

下面我们先准备一些数据:

 

 

 db.students.insert({classid:1, age:14, name:'Tom'});
 db.students.insert({classid:1, age:12, name:'Jacky'});
 db.students.insert({classid:2, age:16, name:'Lily'});
 db.students.insert({classid:2, age:9, name:'Tony'});
 db.students.insert({classid:2, age:19, name:'Harry'});
 db.students.insert({classid:2, age:13, name:'Vincent'});
 db.students.insert({classid:1, age:14, name:'Bill'});
 db.students.insert({classid:2, age:17, name:'Bruce'});

 

 

 

接下来，我们将演示如何统计1班和2班的学生数量

8.1 Map

Map 函数必须调用 emit(key, value) 返回键值对，使用 this 访问当前待处理的 Document。

 

 m = function () {

    emit(this.classid, 1);

}

 

 

 

 

map后的数据就变为:

 

 db.students.insert({classid:1, age:14, name:'Tom'}); =>(1,1)
 db.students.insert({classid:1, age:12, name:'Jacky'}); =>(1,1)
 db.students.insert({classid:2, age:16, name:'Lily'}); =>(2,1)
 db.students.insert({classid:2, age:9, name:'Tony'}); =>(2,1)
 db.students.insert({classid:2, age:19, name:'Harry'});=>(2,1)
 db.students.insert({classid:2, age:13, name:'Vincent'});=>(2,1)
 db.students.insert({classid:1, age:14, name:'Bill'});=>(1,1)
 db.students.insert({classid:2, age:17, name:'Bruce'});=>(2,1)

 

 

 

value 可以使用 JSON Object 传递 (支持多个属性值)。例如:

emit(this.classid, {count:1})

8.2 Reduce

Reduce函数接收的参数类似 Group 效果，将 Map 返回的键值序列组合成 { key, [value1, value2, value3, value...] } 传递给 reduce。

 

以上例子结果将变为:

 

{1,[1,1,1]}

{2,[1,1,1,1]}

 

 

 r = function (key, values) {

    var x = 0;

    values.forEach(function (v) {x += v;});

    return x;

}

 

 

Reduce 函数对这些 values 进行 "统计" 操作，返回结果可以使用 JSON Object。

8.3 Result

 

    res = db.runCommand({

    mapreduce:"students",

    map:m,

    reduce:r,

    out:"students_res"

    });

-----------------------输出-----------------------

{

        "result" : "students_res",

        "timeMillis" : 1587,

        "counts" : {

                "input" : 8,

                "emit" : 8,

                "output" : 2

        },

        "ok" : 1

}

> db.students_res.find()

{ "_id" : 1, "value" : 3 }

{ "_id" : 2, "value" : 5 }

>

 

mapReduce() 将结果存储在 "students_res" 表中。

8.4 Finalize

利用 finalize() 我们可以对 reduce() 的结果做进一步处理。

 

> f = function(key, value) { return {classid:key, count:value}; }

function (key, value) {

    return {classid:key, count:value};

}

>

 

我们再重新计算一次，看看返回的结果:

 

> res = db.runCommand({

    mapreduce:"students",

    map:m,

    reduce:r,

    out:"students_res",

    finalize:f

    });

{

        "result" : "students_res",

        "timeMillis" : 804,

        "counts" : {

                "input" : 8,

                "emit" : 8,

                "output" : 2

        },

        "ok" : 1

}

> db.students_res.find()

{ "_id" : 1, "value" : { "classid" : 1, "count" : 3 } }

{ "_id" : 2, "value" : { "classid" : 2, "count" : 5 } }

>

 

列名变与 “classid”和”count”了，这样的列表更容易理解。

8.5 Options

我们还可以添加更多的控制细节。

 

> res = db.runCommand({

    mapreduce:"students",

    map:m,

    reduce:r,

    out:"students_res",

    finalize:f,

    query:{age:{$lt:10}}

    });

{

        "result" : "students_res",

        "timeMillis" : 358,

        "counts" : {

                "input" : 1,

                "emit" : 1,

                "output" : 1

        },

        "ok" : 1

}

> db.students_res.find();

{ "_id" : 2, "value" : { "classid" : 2, "count" : 1 } }

>

 

可以看到先进行了过滤，只取age<10的数据，然后再进行统计，所以就没有1班的统计数据了。

 

 

评论

1 楼 526699159 2013-05-08  

这篇文章给MapReduce讲的这么通俗易懂 给其他文章都爆出翔了