mongoDB实现MapReduce

一、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。

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）

二、示例

我们通过下面的一个例子来理解上面的概念

mongodb的student集合中存在以下数据：

/* 1 */
{
    "_id" : ObjectId("5c735e26b21aeac107319873"),
    "stu_name" : "张三",
    "course" : "英语",
    "score" : 70,
    "level" : "C"
}

/* 2 */
{
    "_id" : ObjectId("5c735e26b21aeac107319874"),
    "stu_name" : "张三",
    "course" : "数学",
    "score" : 95,
    "level" : "A"
}

/* 3 */
{
    "_id" : ObjectId("5c735e26b21aeac107319875"),
    "stu_name" : "张三",
    "course" : "语文",
    "score" : 91,
    "level" : "A"
}

/* 4 */
{
    "_id" : ObjectId("5c735e26b21aeac107319876"),
    "stu_name" : "张三",
    "course" : "历史",
    "score" : 98,
    "level" : "A"
}

/* 5 */
{
    "_id" : ObjectId("5c735e26b21aeac107319877"),
    "stu_name" : "李四",
    "course" : "数学",
    "score" : 88,
    "level" : "B"
}

/* 6 */
{
    "_id" : ObjectId("5c735e26b21aeac107319878"),
    "stu_name" : "李四",
    "course" : "英语",
    "score" : 93,
    "level" : "A"
}

/* 7 */
{
    "_id" : ObjectId("5c735e26b21aeac107319879"),
    "stu_name" : "李四",
    "course" : "语文",
    "score" : 99,
    "level" : "A"
}

要求：统计出每个学生的level为A的成绩的总和，并按学生名字进行分组显示

其执行的逻辑过程如下图所示：

在mongo shell里面执行：

db.student.mapReduce( 
   function() { emit(this.stu_name,this.score); }, 
   function(key, values) {return Array.sum(values)}, 
      {  
         query:{level:"A"},  
         out:"total_score" 
      }
)

/* 1 */
{
    "result" : "total_score",
    "timeMillis" : 171.0,
    "counts" : {
        "input" : 5,
        "emit" : 5,
        "reduce" : 2,
        "output" : 2
    },
    "ok" : 1.0
}

结果表明，共有 5 个符合查询条件（"level":"A"）的student，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

查看真正的统计结果：

三、用spring-data-mongodb来实现上面的操作

1、新建

猜你喜欢