MongoDB MapReduce 实战<3>

最后的处理结果存储在“ttt_date_out”表中，继续写下一个MapReduce，预期结果是所有记录的平均记录产生时间
Map：

function Map() {
	var count_time = 0;
	var arv_time = 0;
	var times = this.value.times;
	if(times){
		if(times.length > 1){
			for(var i = 0;i < times.length;i++){
				if(i != times.length - 1){
					count_time += times[i] - times[i+1];
				}
			}
		}
		arv_time = count_time / (times.length - 1);
		emit(
			'result', 
			arv_time
		); 
	}
}

Reduce：

function Reduce(key, values) {
	var ret={msg:key};
	var count_times = 0;
	for(var i = 0;i < values.length;i++){
		count_times += values[i];
	}
	ret.arv_time = count_times / values.length;
	return ret;
}

Finalize:（上一个MapReduce中没有，在这里主要作用为对结果再次进行处理）

function Finalize(key, reduced) {
	// 转成秒 
	var second = parseFloat(reduced) /1000;
    // 转分钟
	var minute = parseInt(second / 60);
	// 剩余秒
	var s = second % 60;
	// 转小时
	var hour = parseInt(minute / 60);
	// 剩余分
	var m = minute % 60;
	// 转天
	var day = parseInt(hour / 24);
	// 剩余小时
	var h = hour % 24;
    return day + " 天 " + h + " 小时 " + m + " 分钟 " + s + " 秒 ";
}

配置In & Out



最终结果



小结：

经过一天的努力，完成了预期的目标，明天继续了解一下，最终操作实际的日志表，看看效果。
MapRecude的编写语言为Javascript，刚开始是用命令行，编写以及阅读太过麻烦，最后虽然使用MongoVUE，但是调试起来很困难，没有debug。找了很多资料也没有具体的好方法，悲剧。