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。

以下是MapReduce的基本语法：

db.runCommand(

{ mapreduce : <collection>,

map : <mapfunction>,

reduce : <reducefunction>,

out : <see output options below>

[, query : <query filter object>]

[, sort : <sorts the input objects using this key. Useful for optimization, like sorting by the emit key for fewer reduces>]

[, limit : <number of objects to return from collection, not supported with sharding>]

[, keeptemp: <true|false>]

[, finalize : <finalizefunction>]

[, scope : <object where fields go into javascript global scope >]

[, jsMode : true]

[, verbose : true]

}

);

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）

keeptemp：是否保留临时集合

finalize：最终处理函数（对reduce返回结果执行最终整理后存入结果集合,再进行一些数据“修剪”性质的处理）

scope：向map、reduce、finalize导入外部变量

verbose：显示详细的时间统计信息

for i in xrange(1000):

rID=math.floor(random.random()*10);

price = round(random.random()*10,2);

if rID < 4:

db.test.insert({"_id":i,"user":"Joe","product":rID,"price":price});

elif rID>=4 and rID<7:

db.test.insert({"_id":i,"user":"Josh","product":rID,"price":price});

else:

db.test.insert({"_id":i,"user":"Ken","product":rID,"price":price});

结果数据为：　

{ "_id" : 0, "price" : 5.9, "product" : 9, "user" : "Ken" }

{ "_id" : 1, "price" : 7.59, "product" : 7, "user" : "Ken" }

{ "_id" : 2, "price" : 4.72, "product" : 0, "user" : "Joe" }

{ "_id" : 3, "price" : 1.35, "product" : 1, "user" : "Joe" }

{ "_id" : 4, "price" : 2.31, "product" : 0, "user" : "Joe" }

{ "_id" : 5, "price" : 5.29, "product" : 5, "user" : "Josh" }

{ "_id" : 6, "price" : 3.34, "product" : 1, "user" : "Joe" }

{ "_id" : 7, "price" : 7.2, "product" : 4, "user" : "Josh" }

{ "_id" : 8, "price" : 8.1, "product" : 6, "user" : "Josh" }

{ "_id" : 9, "price" : 2.57, "product" : 3, "user" : "Joe" }

{ "_id" : 10, "price" : 0.54, "product" : 2, "user" : "Joe" }

{ "_id" : 11, "price" : 0.66, "product" : 1, "user" : "Joe" }

{ "_id" : 12, "price" : 5.51, "product" : 1, "user" : "Joe" }

{ "_id" : 13, "price" : 3.74, "product" : 6, "user" : "Josh" }

{ "_id" : 14, "price" : 4.82, "product" : 0, "user" : "Joe" }

{ "_id" : 15, "price" : 9.79, "product" : 3, "user" : "Joe" }

{ "_id" : 16, "price" : 9.6, "product" : 5, "user" : "Josh" }

{ "_id" : 17, "price" : 4.06, "product" : 7, "user" : "Ken" }

{ "_id" : 18, "price" : 1.37, "product" : 5, "user" : "Josh" }

{ "_id" : 19, "price" : 6.77, "product" : 9, "user" : "Ken" }

//MapReduce实现

map=function (){

emit(this.user,{count:1})

}

reduce = function (key, values){

var total = 0;

for (var i = 0; i < values.length; i++)

{

total += values[i].count;

}

return {count:total};

}

结果表明，共有1000个符合查询条件的文档， 在map函数中生成了1000个键值对文档，最后使用reduce函数将相同的键值分为两组。

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：

2、每个用户不同的产品购买了多少个？(复合Key做re)

SQL实现：select user,product,count(*) from test group by user,product

MapReduce 实现：

map = function (){

emit({user:this.user,product:this.product},{count:1})

}

reduce = function (key, values){

var total = 0;

for (var i = 0; i < values.length; i++) 

{

total += values[i].count;

}

return {count:total};

}

执行：result = db.test.mapReduce(map,reduce,{out: 're2'})

查询结果re2:

 3. 每个用户购买的产品数量，总金额是多少？(复合Reduce结果处理)

SQL实现为：select user,count(product),sum(price) from test group by user

MapReduce实现：

map=function (){

emit(this.user,{amount:this.price,count:1})

}

reduce = function (key, values){

var res={amount:0,count:0};

for (var i = 0; i < values.length; i++)

{

res.count += values[i].count;

res.amount += values[i].amount;

}

res.count = Math.round(res.count,2);

res.amount = Math.round(res.amount,2);

return res;

}

执行：db.test.mapReduce(map,reduce,{out:"re3"})

查询re3:

4、在3中返回的amount的float精度需要改成两位小数，还需要得到商品的平均价格。(使用Finalize处理reduce结果集)

SQL实现：select user,count(sku),sum(price)，round(sum(price)/count(sku),2) as avgPrice from test group by user

MapReduce实现：

执行：db.test.mapReduce(map,reduce,{out:'re4'})

查询结果 re4:

map=function (){

emit(this.user,{amount:this.price,count:1,avgPrice:0})

}

reduce = function (key, values){

var res={amount:0,count:0};

for (var i = 0; i < values.length; i++)

{

res.count += values[i].count;

res.amount += values[i].amount;

}

return res;

}

finalizeFun = function (key,reduceResult){

reduceResult.amount=(reduceResult.amount).toFixed(2);

reduceResult.avgPrice=(reduceResult.amount/reduceResult.count).toFixed(2);

return reduceResult;

}

 执行： db.test.mapReduce(map,reduce,{out:"mr4",finalize:finalizeFun})

查询结果：

    5. 统计单价大于6的SKU,每个用户的购买数量.(筛选数据子集做MR)

SQL实现：select user,count(product) from test where price >6 group by user

MapReduce实现：

map=function (){

emit(this.user,{count:1}) 

}

reduce = function (key, values){

var total = 0;

for (var i = 0; i < values.length; i++) 

{

total += values[i].count;

}

return {count:total};

}

db.test.mapReduce(map,reduce,{query:{price:{"$gt":6}},out:"re5"})

查询结果：