本文共 5207 字，大约阅读时间需要 17 分钟。

玩过 Hadoop 的小伙伴对 MapReduce 应该不陌生，MapReduce 的强大且灵活，它可以将一个大问题分解为多个小问题，将各个小问题发送到不同的机器上去处理，所有的机器都完成计算后，再将计算结果合并为一个完整的解决方案，这就是所谓的分布式计算。此处我们就来看看 MongoDB 中 MapReduce 的使用。

一、mapReduce

MongoDB 中的 MapReduce 可以用来实现更复杂的聚合命令，使用 MapReduce 主要实现两个函数：

map 函数和 reduce 函数，map 函数生成键值对序列，map 函数的结果作为 reduce 函数的参数，reduce函数中再做进一步的统计，某些我的数据集如下：

{   "_id" : ObjectId("59fa71d71fd59c3b2cd908d7"),"name" : "鲁迅","book" : "呐喊","price" : 38.0,"publisher" : "人民文学出版社"}{   "_id" : ObjectId("59fa71d71fd59c3b2cd908d8"),"name" : "曹雪芹","book" : "红楼梦","price" : 22.0,"publisher" : "人民文学出版社"}{   "_id" : ObjectId("59fa71d71fd59c3b2cd908d9"),"name" : "钱钟书","book" : "宋诗选注","price" : 99.0,"publisher" : "人民文学出版社"}{   "_id" : ObjectId("59fa71d71fd59c3b2cd908da"),"name" : "钱钟书","book" : "谈艺录","price" : 66.0,"publisher" : "三联书店"}{   "_id" : ObjectId("59fa71d71fd59c3b2cd908db"),"name" : "鲁迅","book" : "彷徨","price" : 55.0,"publisher" : "花城出版社"}

假如我想查询每位作者所出的书的总价，操作如下：

var map=function(){   emit(this.name,this.price)}var reduce=function(key,value){   return Array.sum(value)}var options={   out:"totalPrice"}db.sang_books.mapReduce(map,reduce,options);db.totalPrice.find()

emit 函数用于生成 key-value 数据集合，emit(key, value); OR emit(key, {v1:v1, v2:v2});

第一个参数是key, 第二个参数是key对应的数据集合

emit 函数主要实现的分组，接收两个参数，第一个参数表示分组的分段，第二个参数表示要统计的数据，减少做特定的数据处理操作，接收两个参数，对应的 emit 方法的两个参数，此处使用了 Array 中的sum 对 price 分段进行自加处理，options 中定义了将结果输出的集合，届时我们将在此集合中去查询数据，很少情况下，这个集合即使在数据库重启后也会保留，并保留集合中的数据。

查询结果如下：

{       "_id" : "曹雪芹",    "value" : 22.0}{       "_id" : "钱钟书",    "value" : 165.0}{       "_id" : "鲁迅",    "value" : 93.0}

再加上我想查询每位作者出了几本书，如下：

var map=function(){   emit(this.name,1)}var reduce=function(key,value){   return Array.sum(value)}var options={   out:"bookNum"}db.sang_books.mapReduce(map,reduce,options);db.bookNum.find()

查询结果如下：

{       "_id" : "曹雪芹",    "value" : 1.0}{       "_id" : "钱钟书",    "value" : 2.0}{       "_id" : "鲁迅",    "value" : 2.0}

将每位作者的书列出来，如下：

var map=function(){   emit(this.name,this.book)}var reduce=function(key,value){   return value.join(',')}var options={   out:"books"}db.sang_books.mapReduce(map,reduce,options);db.books.find()

结果如下：

{       "_id" : "曹雪芹",    "value" : "红楼梦"}{       "_id" : "钱钟书",    "value" : "宋诗选注,谈艺录"}{       "_id" : "鲁迅",    "value" : "呐喊,彷徨"}

例如查询每个人体重在￥ 40以上的书：

var map=function(){   emit(this.name,this.book)}var reduce=function(key,value){   return value.join(',')}var options={   query:{   price:{   $gt:40}},out:"books"}db.sang_books.mapReduce(map,reduce,options);db.books.find()

查询表示对查到的集合再进行筛选。

结果如下：

{       "_id" : "钱钟书",    "value" : "宋诗选注,谈艺录"}{       "_id" : "鲁迅",    "value" : "彷徨"}

二、runCommand 实现

我们也可以利用 runCommand 命令来执行 MapReduce。格式如下：

db.runCommand(               {                    mapReduce: 
   
    ,                 map: 
    
     ,                 reduce: 
     
      ,                 finalize: 
      
       ,                 out: 
       
,                 query: 
        
         , sort: 
         
          , limit: 
          
           , scope: 
           
            , jsMode: 
            
             , verbose: 
             
              , bypassDocumentValidation: 
              
               , collation: 
               
                 } )
               
              
             
            
           
          
         
        
      
     
    
   

含义如下：

参数	意味着
mapReduce	表示要操作的集合
map	map函数
reduce	reduce函数
finalize	最终处理函数
out	输出的集合
query	对结果进行过滤
sort	对结果排序
limit	返回的结果数
scope	设置参数值，在这里设置的值在map，reduce，finalize函数中可见
jsMode	是否将地图执行的中间数据由javascript对象转换成BSON对象，替换为false
verbose	是否显示详细的时间统计信息
bypassDocumentValidation	是否绕过文档验证
collation	其他一些校对

如下操作，表示执行MapReduce操作重新统计的集合限制返回条数，限制返回条数之后再进行统计操作，如下：

var map=function(){   emit(this.name,this.book)}var reduce=function(key,value){   return value.join(',')}db.runCommand({   mapreduce:'sang_books',map,reduce,out:"books",limit:4,verbose:true})db.books.find()

执行结果如下：

{       "_id" : "曹雪芹",    "value" : "红楼梦"}{       "_id" : "钱钟书",    "value" : "宋诗选注,谈艺录"}{       "_id" : "鲁迅",    "value" : "呐喊"}

小伙伴们看到，鲁迅在一本书不见了，就是因为limit是先限制集合返回条数，然后再执行统计操作。

finalize 操作表示最终处理函数，如下：

var f1 = function(key,reduceValue){   var obj={   };obj.author=key;obj.books=reduceValue; return obj}var map=function(){   emit(this.name,this.book)}var reduce=function(key,value){   return value.join(',')}db.runCommand({   mapreduce:'sang_books',map,reduce,out:"books",finalize:f1})db.books.find()

f1 第一个参数键表示emit中的第一个参数，第二个参数表示reduce的执行结果，我们可以在f1中对这个结果进行再处理，结果如下：

{       "_id" : "曹雪芹",    "value" : {           "author" : "曹雪芹",        "books" : "红楼梦"    }}{       "_id" : "钱钟书",    "value" : {           "author" : "钱钟书",        "books" : "宋诗选注,谈艺录"    }}{       "_id" : "鲁迅",    "value" : {           "author" : "鲁迅",        "books" : "呐喊,彷徨"    }}

scope则可以用来定义一个在地图，reduce和finalize中都可见的变量，如下：

var f1 = function(key,reduceValue){   var obj={   };obj.author=key;obj.books=reduceValue;obj.sang=sang; return obj}var map=function(){   emit(this.name,this.book)}var reduce=function(key,value){   return value.join(',--'+sang+'--,')}db.runCommand({   mapreduce:'sang_books',map,reduce,out:"books",finalize:f1,scope:{   sang:"haha"}})db.books.find()

执行结果如下：

{       "_id" : "曹雪芹",    "value" : {           "author" : "曹雪芹",        "books" : "红楼梦",        "sang" : "haha"    }}{       "_id" : "钱钟书",    "value" : {           "author" : "钱钟书",        "books" : "宋诗选注,--haha--,谈艺录",        "sang" : "haha"    }}{       "_id" : "鲁迅",    "value" : {           "author" : "鲁迅",        "books" : "呐喊,--haha--,彷徨",        "sang" : "haha"    }}

转载地址：http://xdar.baihongyu.com/