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:
还没有评论,来说两句吧...