MapReduce 使用JavaScript作为“查询语言”。因此它能够表达
任意复杂的逻辑。然而，这种强大是有代价的：MapReduce非常慢，
不应该实时的数据分析中
MapReduce能够在多态服务器之间并行执行。它会将一个大问题分隔为多个小
问题，将各个小问题发送到不同的机器上，每台机器只负责完成一部分工作。
所有机器都完成时，将这些零碎的解决方案合并称为一个完整的解决方案。
MapReduce 需要几个步骤。
映射(map)
将操作映射到集合中的每个文档。这个操作要么“无作为”，要么“产生一些键和X个值”。洗牌(shuffle)
按照键分组，并将产生的键值组成列表放到对应的键中。化简(reduce)
把列表中的值化简成一个单值。这个值被返回，然后接着进行洗牌，直到每个键的列表只有
一个值为止，这个值也就是最终的结果。
创造基础数据
for(var i=0; i< 100; i++){
db.t.insert(
{
_id: i,
"name": "user_"+i,
"age" : NumberInt(Math.random() * 10)
})
}
> db.t.find()
{ "_id" : 0, "name" : "user_0", "age" : 5 }
{ "_id" : 1, "name" : "user_1", "age" : 9 }
{ "_id" : 2, "name" : "user_2", "age" : 8 }
{ "_id" : 3, "name" : "user_3", "age" : 4 }
{ "_id" : 4, "name" : "user_4", "age" : 0 }
{ "_id" : 5, "name" : "user_5", "age" : 7 }
{ "_id" : 6, "name" : "user_6", "age" : 3 }
{ "_id" : 7, "name" : "user_7", "age" : 8 }
{ "_id" : 8, "name" : "user_8", "age" : 7 }
{ "_id" : 9, "name" : "user_9", "age" : 8 }
{ "_id" : 10, "name" : "user_10", "age" : 9 }
{ "_id" : 11, "name" : "user_11", "age" : 3 }
{ "_id" : 12, "name" : "user_12", "age" : 8 }
{ "_id" : 13, "name" : "user_13", "age" : 0 }
{ "_id" : 14, "name" : "user_14", "age" : 7 }
{ "_id" : 15, "name" : "user_15", "age" : 8 }
{ "_id" : 16, "name" : "user_16", "age" : 4 }
{ "_id" : 17, "name" : "user_17", "age" : 7 }
{ "_id" : 18, "name" : "user_18", "age" : 5 }
{ "_id" : 19, "name" : "user_19", "age" : 2 }
Type "it" for more
统计age相同的名字
var map = function(){
emit(this.age, this.name);
};
var reduce = function(key, values){
var ret={ age: key, names: values };
return ret;
};
var finalize = function(key, rval){
if(key == 0){
rval.msg = "a new life, baby!";
}
return rval;
};
db.runCommand({
mapreduce: "t",
map: map,
reduce: reduce,
finalize: finalize,
out: "t_age_names"
});
> db.t_age_names.findOne({ _id: 0 })
{
"_id" : 0,
"value" : {
"age" : 0,
"names" : [
"user_4",
"user_13",
"user_27",
"user_30",
"user_48",
"user_55",
"user_59",
"user_63",
"user_64",
"user_67",
"user_70",
"user_74",
"user_75",
"user_95"
],
"msg" : "a new life, baby!"
}
};
age为0 的数据个数为14个。
> db.t_age_names.findOne({ _id: 1 })
{
"_id" : 1,
"value" : {
"age" : 1,
"names" : [
"user_25",
"user_28",
"user_32",
"user_54",
"user_61",
"user_85"
]
}
}
age为1的数据个数为6个。
> db.t_age_names.findOne({ _id: 9 })
{
"_id" : 9,
"value" : {
"age" : 9,
"names" : [
"user_1",
"user_10",
"user_40",
"user_78",
"user_97"
]
}
}
age 为9的数据个数为5个。
检测 age 相同的个数
var count_map = function(){
emit(this.age, 1);
};
var count_reduce = function(key, values){
total = 0;
for(var i in values ){
total += 1;
}
return { age: key, total: total }
};
db.runCommand({
mapreduce: "t",
map: count_map,
reduce: count_reduce,
out: "t_age_count"
});
{
"result" : "t_age_count",
"timeMillis" : 5,
"counts" : {
"input" : 100,
"emit" : 100,
"reduce" : 10,
"output" : 10
},
"ok" : 1
}
input 其中input 表示发送到map函数的文档个数。
emit 在map函数中emit 被调用的次数。
output 结果集合中的文档数量。
最终统计结果如下
> db.t_age_count.find()
{ "_id" : 0, "value" : { "age" : 0, "total" : 14 } }
{ "_id" : 1, "value" : { "age" : 1, "total" : 6 } }
{ "_id" : 2, "value" : { "age" : 2, "total" : 11 } }
{ "_id" : 3, "value" : { "age" : 3, "total" : 7 } }
{ "_id" : 4, "value" : { "age" : 4, "total" : 16 } }
{ "_id" : 5, "value" : { "age" : 5, "total" : 11 } }
{ "_id" : 6, "value" : { "age" : 6, "total" : 10 } }
{ "_id" : 7, "value" : { "age" : 7, "total" : 12 } }
{ "_id" : 8, "value" : { "age" : 8, "total" : 8 } }
{ "_id" : 9, "value" : { "age" : 9, "total" : 5 } }
MapReduce 可选键
-
finalize: function
可以将reduce的结果发送给这个键，这是整个处理过程的最后一步。
-
keeptmp：boolean
如果值为true，那么在连接关闭时会将临时结果集合保存下来，否则不保存。
-
out：string
输出集合的名称。如果设置了这选项，系统会自动设置keeptemp: true
-
query: document
在发往map函数前，先用指定条件过滤文档。
-
sort：document
在发往map前先给文档排序(与Limit 一同使用非常有用)
-
limit: integer
发往map函数的文档数量的上限
-
scope: document
可以在JavaScript代码中使用的变量
-
verbose: boolean
是否记录详细的服务器日志
