MongoDB MapReduce

在开发前端数据统计时，使用MongoDB 作为数据库，收集相关数据，在后期展示时，使用到Mongodb的Mapreduce 做数据会中处理，

现在将相关问题记录下来，方便以后查找，也方便相关同学

MongoDB Mapreduce 使用说明

背景

MapReduce是个非常灵活和强大的数据聚合工具。它的好处是可以把一个聚合任务分解为多个小的任务，分配到多服务器上并行处理。

MongoDB也提供了MapReduce，当然查询语肯定是JavaScript。MongoDB中的MapReduce主要有以下几阶段：

Map:把一个操作Map到集合中的每一个文档

Shuffle: 根据Key分组对文档，并且为每个不同的Key生成一系列(>=1个)的值表(List of values)。

Reduce: 处理值表中的元素，直到值表中只有一个元素。然后将值表返回到Shuffle过程，循环处理，直到每个Key只对应一个值表，并且此值表中只有一个元素，这就是MR的结果。

Finalize：此步骤不是必须的。在得到MR最终结果后，再进行一些数据“修剪”性质的处理。
MongoDB中使用emit函数向MapReduce提供Key/Value对。
Reduce函数接受两个参数：Key,emits. Key即为emit函数中的Key。 emits是一个数组，它的元素就是emit函数提供的Value。
Reduce函数的返回结果必须要能被Map或者Reduce重复使用，所以返回结果必须与emits中元素结构一致。
Map或者Reduce函数中的this关键字，代表当前被Mapping文档。

语法

db.runCommand(
{ mapreduce : 字符串，集合名,
map : 函数,见下文
reduce : 函数，见下文
[, query : 文档，发往map函数前先给过渡文档]
[, sort : 文档，发往map函数前先给文档排序]
[, limit : 整数，发往map函数的文档数量上限]
[, out : 字符串，统计结果保存的集合]
[, keeptemp: 布尔值，链接关闭时临时结果集合是否保存]
[, finalize : 函数，将reduce的结果送给这个函数，做最后的处理]
[, scope : 文档,js代码中要用到的变量]
[, jsMode : 布尔值，是否减少执行过程中BSON和JS的转换，默认true]
//注：false时 BSON-->JS-->map-->BSON-->JS-->reduce-->BSON,可处理非常大的mapreduce,<br>　
//true 时BSON-->js-->map-->reduce-->BSON
[, verbose : 布尔值，是否产生更加详细的服务器日志，默认true]
}
);

实例（以商品举例）

测试数据: 这个集合是三个用户购买的产品和产品价格的数据。

// 初始化测试数据

for(var i=0;i<1000;i++){
var rID=Math.floor(Math.random()*10);
var priceparseFloat((Math.random()*10).toFixed(2));
if(rID<4){
db.test.insert({"user":"Joe","sku":rID,"price":price});
}else if(rID>=4 && rID<7)
{
db.test.insert({"user":"Josh","sku":rID,"price":price});
} else {
db.test.insert({"user":"Ken","sku":rID,"price":price});
}
}

每个用户各购买了多少个产品？(<单一Key做MR)

//SQL实现
select user,count(sku) from test  group by user

//MapReduce实现
map=function (){
emit(this.user,{count:1})
}

reduce=function (key,values){
var cnt=0;
values.forEach(function(val){ cnt+=val.count;});
return {"count":cnt};
}

//MR结果存到集合mr1
db.test.mapReduce(map,reduce,{out:"mr1"})
//查看MR之后结果
> db.mr1.find()
{ "_id" : "Joe", "value" : { "count" : 416 } }
{ "_id" : "Josh", "value" : { "count" : 287 } }
{ "_id" : "Ken", "value" : { "count" : 297 } }

每个用户不同的产品购买了多少个？(复合Key做MR)

//SQL实现
select user,sku,count(*) from test group by user,sku

//MapReduce实现
map=function (){
emit({user:this.user,sku:this.sku},{count:1})
}

reduce=function (key,values){
var cnt=0;
values.forEach(function(val){ cnt+=val.count;});
return {"count":cnt};
}

db.test.mapReduce(map,reduce,{out:"mr2"})
> db.mr2.find()
{ "_id" : { "user" : "Joe", "sku" : 0 }, "value" : { "count" : 103 } }
{ "_id" : { "user" : "Joe", "sku" : 1 }, "value" : { "count" : 106 } }
{ "_id" : { "user" : "Joe", "sku" : 2 }, "value" : { "count" : 102 } }
{ "_id" : { "user" : "Joe", "sku" : 3 }, "value" : { "count" : 105 } }
{ "_id" : { "user" : "Josh", "sku" : 4 }, "value" : { "count" : 87 } }
{ "_id" : { "user" : "Josh", "sku" : 5 }, "value" : { "count" : 107 }

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
select user,count(sku),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}
values.forEach(function(val){
res.amount+=val.amount;
res.count+=val.count
});
return res;
}

db.test.mapReduce(map,reduce,{out:"mr3"})

> db.mr3.find()
{ "_id" : "Joe", "value" : { "amount" : 2053.8899999999994, "count" : 395 } }
{ "_id" : "Josh", "value" : { "amount" : 1409.2600000000002, "count" : 292 } }
{ "_id" : "Ken", "value" : { "amount" : 1547.7700000000002, "count" : 313 } }

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,cast(sum(price) as   decimal(10,   2)) as amount,count(sku) as [count],
cast((sum(price)/count(sku))  as decimal(10,2)) as avgPrice
from test group by user

//MapReduce实现
map=function (){
emit(this.user,{amount:this.price,count:1,avgPrice:0})
}

reduce=function (key,values){
var res={amount:0,count:0,avgPrice:0}
values.forEach(function(val){
res.amount+=val.amount;
res.count+=val.count
});
return res;
}

finalizeFun=function (key,reduceResult){
reduceResult.amount=(reduceResult.amount).toFixed(2);
reduceResult.avgPrice=(reduceResult.amount/reduceResult.count).toFixed(2);
return reduceResult;
}

db.test.mapReduce(map,reduce,{out:"mr4",finalize:finalizeFun})
> db.mr4.find()
{ "_id" : "Joe", "value" : { "amount" : "2053.89", "count" : 395, "avgPrice" : "5.20" } }
{ "_id" : "Josh", "value" : { "amount" : "1409.26", "count" : 292, "avgPrice" : "4.83" } }
{ "_id" : "Ken", "value" : { "amount" : "1547.77", "count" : 313, "avgPrice" : "4.94" } }

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)
这个比较简单了,只需要将1.中调用MR时加上筛选查询即可,其它不变.

db.test.mapReduce(map,reduce,{query:{price:{"$gt":6}},out:"mr5"})

总结

MongoDB中的MR工具非常强大,文中的例子只是基础实例.结合Sharding后,多服务器并行做数据集合处理,才能真正显现其能力.

相关工具：
目前mongodb 使用的工具最好用，且可以用的是 [NoSql Manager for MongoDB]

发现的问题:
在Mapreduce 实践的过程中发现，如果某类记录，只有一条记录时，在mapreduce results 中，所展示的数据为Map的数据，并没有通过reduce汇总，只有当数据超过一条时，汇总数据才正确，需要具体开发的同学注意该问题