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。
参考链接
https://www.learnfk.com/mongodb/mongodb-map-reduce.html
标签:function,MongoDB,mapReduce,reduce,Reduce,无涯,文档,key,values From: https://blog.51cto.com/u_14033984/8184234