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输出。 MongoDB使用 mapReduce 命令进行map-reduce操作。 MapReduce通常用于处理大型数据集。

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，然后映射输出文档以发出键-值对(key/value)，然后根据具有多个值的键对其进行缩减。

MapReduce使用

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和发布状态。

{
   "post_text": "learnfk is an awesome website for Learnfk",
   "user_name": "mark",
   "status":"active"
}

现在，无涯教程将在 posts 集合上使用mapReduce函数来选择所有活动的帖子，根据user_name将它们分组，然后使用以下代码对每个用户的帖子数进行计数-

>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查询输出以下输出-

{
   "result" : "post_total",
   "timeMillis" : 9,
   "counts" : {
      "input" : 4,
      "emit" : 4,
      "reduce" : 2,
      "output" : 2
   },
   "ok" : 1,
}

输出显示，总共有4个文档与查询匹配(status:"active")，map函数发出了4个具有键-值对(key/value)的文档，最后reduce函数将具有相同键的映射文档分为2个。

要查看此mapReduce查询的输出，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()

上面的查询给出以下输出，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查询可用于构造大型复杂的聚合查询。自定义Javascript函数的使用利用了MapReduce，它非常灵活且功能强大。