MongoDB – Map Reduce

根据 MongoDB 文档，Map-reduce是一种数据处理范例，用于将大量数据压缩为有用的聚合结果。MongoDB 使用mapReduce命令进行 map-reduce 操作。MapReduce 一般用于处理大数据集。

MapReduce 命令

以下是基本 mapReduce 命令的语法 –

>db.collection.mapReduce(
   function() {emit(key,value);},  //map function
   function(key,values) {return reduceFunction}, {   //reduce function
      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进行缩减。

在上述语法中 –

• map是一个 javascript 函数，它用一个键映射一个值并发出一个键值对

• reduce是一个 javascript 函数，用于减少或分组具有相同键的所有文档

• out指定map-reduce查询结果的位置

• 查询指定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 和帖子的状态。

{
   "post_text": "tutorialspoint is an awesome website for tutorials",
   "user_name": "mark",
   "status":"active"
}

现在，我们将在我们的帖子集合上使用 mapReduce 函数来选择所有活动帖子，根据 user_name 将它们分组，然后使用以下代码计算每个用户的帖子数量 –

>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组为 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()

上面的查询给出了以下结果，表明用户tom和mark都有两个处于活动状态的帖子 –

{ "_id" : "tom", "value" : 2 }
{ "_id" : "mark", "value" : 2 }

以类似的方式，MapReduce 查询可用于构建大型复杂聚合查询。自定义 Javascript 函数的使用利用了非常灵活和强大的 MapReduce。