学习MongoDB--（6-2）：聚合（MapReduce使用）

MapReduce是聚合工具的明星！前面讨论的count、distinct、group能做到的，MapReduce都可以做！他是一个可以轻松并行化到多台服务器的聚合方法！他会拆分问题，将各个部分发送到不同的机器上执行，当所有机器都完成时，再把结果汇集起来形成最终完整的结果！

MapReduce在MongoDB中的使用通常有如下几个步骤：

1》 映射（map），将操作映射到集合中的每一个文档，这个操作在文档上执行后，要么没产生任何结果，要么产生一些键值对！

2》 洗牌（shuffle）， 这是一个中间过程。上述映射会产生一些键值对，这个动作会将这些键值对按键分组，并将值组成列表设置到对应的键中。

3》 化简（reduce），把上述操作产生的值为列表的键值对化简为一个单值！这个键值对会被返回，他有可能还会参与下一轮的洗牌，化简操作。直到每个键的列表只有一个值为止。

使用MapReduce的代价是速度，group操作不是很快，MapReduce更慢！不能把MapReduce应用于实时系统中！要作为后台任务来运行MapReduce，其运行完毕后，会将结果保存在一个集合中，我们后期可以对这个结果集合进行实时操作！MapReduce比较复杂，我们通过几个例子先看看具体用法：

【例：找出集合中所有的键】

MongoDB没有模式，因此无法通过一个文档得知这个集合有多少个键，这里我们利用MapReduce来统计一个集合中键的个数和每个键出现的次数（这里没有考虑内嵌文档的键，可以通过调整map函数实现）。我们先看看我们需要统计的集合，每个文档中键都不一致（这里只是为了测试，实际中不要设计这样的集合）：

> db.testcol.find();
{ "_id" : ObjectId("501fadbee64fb552a4f6651e"), "x" : 1 }
{ "_id" : ObjectId("50275d56e02ab93d5c5be7a3"), "name" : "abc", "things" : [ "plane", "gun" ] }
{ "_id" : ObjectId("50275d6be02ab93d5c5be7a4"), "name" : "ddd", "weapon" : "bomb" }
{ "_id" : ObjectId("50275d7ce02ab93d5c5be7a5"), "nickname" : "viper", "weapon" : "knife" }
>

定义映射环节（map）所需map函数：

> map = function(){
...         for(var key in this){
...             emit(key, {"count" : 1});
...         }
... };
function () {
for (var key in this) {
emit(key, {count:1});
}
}
>

map函数使用函数emit（系统提供）“返回”要处理的值，这里用emit将文档的某个键的计数返回（{“count” : 1}）。我们这里需要为每个键单独计数，所以要为每个键分别调用一次emit。this代表目前进入map函数中的文档！

定义化简环节（reduce）所需reduce函数：

> reduce = function(key, emits){
...            var total = 0;
...            for(var i in emits) {
...                total += emits[i].count;
...            }
...            return {"count" : total};
...        };
function (key, emits) {
var total = 0;
for (var i in emits) {
total += emits[i].count;
}
return {count:total};
}
>

通过map函数会产生很多{"count" : 1}这样的文档，且每一个与一个键关联！这种由一个或多个{“count” ：1}文档组成的数组（由洗牌阶段生成），会传递给reduce函数，作为reduce函数的第二个参数！reduce函数要能够被反复调用，因此reduce函数返回的值必须可以作为其第二个参数的一个元素！如上例！

运行数据库命令，调用MapReduce过程：

> mr = db.runCommand({"mapreduce" : "testcol", "map" : map, "reduce" : reduce, "out" : "testcolColumns"});
{
"result" : "testcolColumns",
"timeMillis" : 93,
"counts" : {
"input" : 4,
"emit" : 11,
"reduce" : 3,
"output" : 6
},
"ok" : 1
}
>

运行命令时， 键“mapreduce” 指定集合名称，键“map”指定映射函数， 键“reduce”指定化简函数，“out”指定最后输出的集合名称！在我所使用2.0.6版本的MongoDB，键“out”必须指明！

我们运行后，返回的文档，其中键“counts”为一个内嵌文档，我们先说一下这个内嵌文档中各个键的含义：

1》 “input” ： 在整个过程发送到“map”函数的文档个数，即“map”函数执行的次数

2》 “emit” ： 在整个过程，“emit”函数执行的次数

3》 “reduce” ： 在整个过程，“reduce”函数执行的次数

4》 “output” ： 最终在目标集合中生成的文档数量

我们查看一下最终生成的目标集合：

> db.testcolColumns.find();
{ "_id" : "_id", "value" : { "count" : 4 } }
{ "_id" : "name", "value" : { "count" : 2 } }
{ "_id" : "nickname", "value" : { "count" : 1 } }
{ "_id" : "things", "value" : { "count" : 1 } }
{ "_id" : "weapon", "value" : { "count" : 2 } }
{ "_id" : "x", "value" : { "count" : 1 } }
>

其中，键“_id”的值为原集合中键的名称，键“value” 指明这个键在原集合中出现的次数！

【例：网页分类】

我们有这样一个网站，用户可以在其上提交他们喜爱的链接url，并且提交者可以为这个url添加一些标签，作为主题，其他用户可以为这条信息打分。我们有一个集合，收集了这些信息，然后我们需要看看哪种主题最为热门，热门程度由最新打分日期和所给分数共同决定，我们先看一下这个集合：

> db.urlvote.find();
{ "_id" : ObjectId("502767f1e02ab93d5c5be7a6"), "date" : ISODate("2012-08-12T08:23:13.292Z"), "score" : 10, "tags" : [ "it tech", "program" ], "url" :
"www.csdn.net" }
{ "_id" : ObjectId("50276810e02ab93d5c5be7a7"), "date" : ISODate("2012-08-12T08:23:44.836Z"), "score" : 3, "tags" : [ "search engine" ], "url" : "www.
baidu.com" }
{ "_id" : ObjectId("5027683be02ab93d5c5be7a8"), "date" : ISODate("2012-08-12T08:24:27.392Z"), "score" : 5, "tags" : [ "search engine", "news" ], "url"
: "www.sina.com.cn" }
{ "_id" : ObjectId("5027685de02ab93d5c5be7a9"), "date" : ISODate("2012-08-12T08:25:01.588Z"), "score" : 8, "tags" : [ "it tech", "java" ], "url" : "ww
w.javaeye.com" }
{ "_id" : ObjectId("5027687ae02ab93d5c5be7aa"), "date" : ISODate("2012-08-12T08:25:30.354Z"), "score" : 10, "tags" : [ "search engine" ], "url" : "www
.google.com" }
>

我们的map函数为：

> map = function(){
...     for(var i in this.tags){
...         var recency = 1/(new Date() - this.date);
...         var score = recency * this.score;
...         emit(this.tags[i], {"urls":[this.url], "score":this.score});
...     }
... };
function () {
for (var i in this.tags) {
var recency = 1 / (new Date - this.date);
var score = recency * this.score;
emit(this.tags[i], {urls:[this.url], score:this.score});
}
}

reduce函数为：

> reduce = function(key, emits) {
...     var total = {"urls":[], "score":0};
...     for(var i in emits) {
...         emits[i].urls.forEach(function(url) {
...             total.urls.push(url);
...         });
...         total.score += emits[i].score;
...     }
...     return total;
... };
function (key, emits) {
var total = {urls:[], score:0};
for (var i in emits) {
emits[i].urls.forEach(function (url) {total.urls.push(url);});
total.score += emits[i].score;
}
return total;
}
>

在reduce函数中，我们涉及到了数组的几个方法，forEach(function)和push，这都是javascript中提供的，可以学着用一下！再稍微说一下，javascript中通过for去遍历数组for(var i in array)，这个i是数组的索引，从0开始，通过for去遍历一个json对象（{key1：val1，key2：val2 .....}），for(var i in jsonobj)，这个i是json对象中的键！

开始执行MapReduce过程：

> db.runCommand({"mapreduce":"urlvote", "map":map, "reduce":reduce, "out":"urlvoteresult"});
{
"result" : "urlvoteresult",
"timeMillis" : 0,
"counts" : {
"input" : 5,
"emit" : 8,
"reduce" : 2,
"output" : 5
},
"ok" : 1
}

查看结果集合中的文档为：

> db.urlvoteresult.find();
{ "_id" : "it tech", "value" : { "urls" : [ "www.csdn.net", "www.javaeye.com" ], "score" : 18 } }
{ "_id" : "java", "value" : { "urls" : [ "www.javaeye.com" ], "score" : 8 } }
{ "_id" : "news", "value" : { "urls" : [ "www.sina.com.cn" ], "score" : 5 } }
{ "_id" : "program", "value" : { "urls" : [ "www.csdn.net" ], "score" : 10 } }
{ "_id" : "search engine", "value" : { "urls" : [ "www.baidu.com", "www.sina.com.cn", "www.google.com" ], "score" : 18 } }
>

以上就是MapReduce在MongoDB中的两个例子，使用MapReduce的关键还是在于知道哪些情况适合于这种方式去解决，并且知道如何定义map和reduce函数。

上面我们在运行mapreduce命令时，只是涉及了"mapreduce" ，“map”，“reduce”，“out”键，我们还有如下键可用：

1》 “verbose” 布尔，是否产生详细的服务器端日志

2》 “query” 文档，在将集合中的文档发往map函数前，先用这个对文档进行过滤

3》 “sort” 文档， 在讲集合中的文档发往map函数前，先对文档排序，可与“limit”结合使用

4》 “limit” 整数， 取集合前部多少个文档发往map函数

后3者，可以减少发往map函数的文档数量，这个可以提升MapReduce的效率！如果我们事先确定只需对部分文档进行MapReduce操作，我们要果断使用这3个键！