MongoDB Map Reduce

Map-Reduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）。

MongoDB提供的Map-Reduce非常灵活，对于大规模数据分析也相当实用。

MapReduce 命令

以下是MapReduce的基本语法：

>db.collection.mapReduce(   function() {emit(key,value);},  //map 函数   function(key,values) {return reduceFunction},   //reduce 函数   {      out: collection,      query: document,      sort: document,      limit: number   })

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 函数必须调用 emit(key, value) 返回键值对。

参数说明:

map ：映射函数 (生成键值对序列,作为 reduce 函数参数)。
reduce 统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。。
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)。
query 一个筛选条件，只有满足条件的文档才会调用map函数。（query。limit，sort可以随意组合）
sort 和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制
limit 发往map函数的文档数量的上限（要是没有limit，单独使用sort的用处不大）

以下实例在集合 orders 中查找 status:"A" 的数据，并根据 cust_id 来分组，并计算 amount 的总和。

MongoDB Map Reduce

使用 MapReduce

考虑以下文档结构存储用户的文章，文档存储了用户的 user_name 和文章的 status 字段：

>db.posts.insert({   "post_text": "菜鸟教程，最全的技术文档。",   "user_name": "mark",   "status":"active"})WriteResult({ "nInserted" : 1 })>db.posts.insert({   "post_text": "菜鸟教程，最全的技术文档。",   "user_name": "mark",   "status":"active"})WriteResult({ "nInserted" : 1 })>db.posts.insert({   "post_text": "菜鸟教程，最全的技术文档。",   "user_name": "mark",   "status":"active"})WriteResult({ "nInserted" : 1 })>db.posts.insert({   "post_text": "菜鸟教程，最全的技术文档。",   "user_name": "mark",   "status":"active"})WriteResult({ "nInserted" : 1 })>db.posts.insert({   "post_text": "菜鸟教程，最全的技术文档。",   "user_name": "mark",   "status":"disabled"})WriteResult({ "nInserted" : 1 })>db.posts.insert({   "post_text": "菜鸟教程，最全的技术文档。",   "user_name": "runoob",   "status":"disabled"})WriteResult({ "nInserted" : 1 })>db.posts.insert({   "post_text": "菜鸟教程，最全的技术文档。",   "user_name": "runoob",   "status":"disabled"})WriteResult({ "nInserted" : 1 })>db.posts.insert({   "post_text": "菜鸟教程，最全的技术文档。",   "user_name": "runoob",   "status":"active"})WriteResult({ "nInserted" : 1 })

现在，我们将在 posts 集合中使用 mapReduce 函数来选取已发布的文章(status:"active")，并通过user_name分组，计算每个用户的文章数：

>db.posts.mapReduce(    function() { emit(this.user_name,1); },    function(key, values) {return Array.sum(values)},       {           query:{status:"active"},           out:"post_total"       })

以上 mapReduce 输出结果为：

{        "result" : "post_total",        "timeMillis" : 23,        "counts" : {                "input" : 5,                "emit" : 5,                "reduce" : 1,                "output" : 2        },        "ok" : 1}

结果表明，共有 5 个符合查询条件（status:"active"）的文档，在map函数中生成了 5 个键值对文档，最后使用reduce函数将相同的键值分为 2 组。

具体参数说明：

result：储存结果的collection的名字,这是个临时集合，MapReduce的连接关闭后自动就被删除了。
timeMillis：执行花费的时间，毫秒为单位
input：满足条件被发送到map函数的文档个数
emit：在map函数中emit被调用的次数，也就是所有集合中的数据总量
ouput：结果集合中的文档个数（count对调试非常有帮助）
ok：是否成功，成功为1
err：如果失败，这里可以有失败原因，不过从经验上来看，原因比较模糊，作用不大

使用 find 操作符来查看 mapReduce 的查询结果：

>db.posts.mapReduce(    function() { emit(this.user_name,1); },    function(key, values) {return Array.sum(values)},       {           query:{status:"active"},           out:"post_total"       }).find()

以上查询显示如下结果:

{ "_id" : "mark", "value" : 4 }{ "_id" : "runoob", "value" : 1 }

用类似的方式，MapReduce可以被用来构建大型复杂的聚合查询。

Map函数和Reduce函数可以使用 JavaScript 来实现，使得MapReduce的使用非常灵活和强大。