MongoDB数据分析之MapReduce

1.关于数据类型：如果是使用控制台插入的数据，你插入的数字，很可能存成了Double，而想存成整型，则必须要用NumberInt()、NumberLong()
                        来，参考网址：http://www.cnblogs.com/lekko/p/3240028.html

2.MapReduce映射化简操作图：





    参考网址：http://wrox.cn/article/100035881/

3.MapReduce官网格式

     db.runCommand(  

 { mapreduce : <collection>,  

   map : <mapfunction>,  

   reduce : <reducefunction>,  

   out : <see output options below>  

   [, query : <query filter object>]  

   [, sort : <sorts the input objects using this key. Useful for optimization, like sorting by the emit key for fewer reduces>]  

   [, limit : <number of objects to return from collection, not supported with sharding>]  

   [, keeptemp: <true|false>]  

   [, finalize : <finalizefunction>]  

   [, scope : <object where fields go into javascript global scope >]  

   [, jsMode : true]  

   [, verbose : true]  

 }  

);  

参数说明：

mapreduce：要操作的目标集合

map：映射函数（生成键值对序列，作为Reduce函数的参数） 

reduce：统计函数

query：目标记录过滤

sort：对目标记录排序

limit：限制目标记录数量

out：统计结果存放集合（如果不指定则使用临时集合，在客户端断开后自动删除）

keeptemp：是否保留临时集合

finalize：最终处理函数（对reduce返回结果执行最终整理后存入结

果集合）

scope：向map、reduce、finalize导入外部变量

verbose：显示详细的时间统计信息
4.例子：对runoob数据库中class集合进行分组，统计各个班级的学生人数（或年龄大于22的人数）

  应用场景：对students集合中的数据进行统计，根据classid显示每个班级的学生数量。初始数据如下：

Shell代码  


> db.students.find()  

{ "_id" : ObjectId("5031143350f2481577ea81e5"), "classid" : 1, "age" : 20, "name" : "kobe" }  

{ "_id" : ObjectId("5031144a50f2481577ea81e6"), "classid" : 1, "age" : 23, "name" : "nash" }  

{ "_id" : ObjectId("5031145a50f2481577ea81e7"), "classid" : 2, "age" : 18, "name" : "james" }  

{ "_id" : ObjectId("5031146a50f2481577ea81e8"), "classid" : 2, "age" : 19, "name" : "wade" }  

{ "_id" : ObjectId("5031147450f2481577ea81e9"), "classid" : 2, "age" : 19, "name" : "bosh" }  

{ "_id" : ObjectId("5031148650f2481577ea81ea"), "classid" : 2, "age" : 25, "name" : "allen" }  

{ "_id" : ObjectId("5031149b50f2481577ea81eb"), "classid" : 1, "age" : 19, "name" : "howard" }  

{ "_id" : ObjectId("503114a750f2481577ea81ec"), "classid" : 1, "age" : 22, "name" : "paul" }  

{ "_id" : ObjectId("503114cd50f2481577ea81ed"), "classid" : 2, "age" : 24, "name" : "shane" }  

>   

Map分组

Map函数必须调用emit(key,value)返回键值对，使用this访问当前待处理的Document。下面我们使用Map函数对students表按classid进行分组。

Js代码  


> map=function(){emit(this.classid,1)}  

function () {  

    emit(this.classid, 1);  

}  

>   

Reduce聚合

Reduce函数接收Map函数返回的结果作为参数，Map函数返回的键值序列组合成{key,[value1,value2,value3,……]}传递给reduce，代码如下：

Js代码  


> reduce=function(key,values){  

... var x = 0;  

... values.forEach(function(v){x+=v});  

... return x;  

... }  

function (key, values) {  

    var x = 0;  

    values.forEach(function (v) {x += v;});  

    return x;  

}  

>   

Reduce函数对values进行统计，从上面的代码可以看出Reduce函数主要是对1班和2班的记录数量进行求和运算。

Result获取结果  

Result函数的作用是用来获取计算后的结果，使用命令为：db.结果集.find()。其中的”结果集“可以通过out参数来指定。代码如下所示：

Js代码  


> result=db.runCommand({  

... mapreduce:"students",  

... map:map,  

... reduce:reduce,  

... out:"students_result"  

... });  

{  

    "result" : "students_result",  

    "timeMillis" : 297,  

    "counts" : {  

        "input" : 9,  

        "emit" : 9,  

        "reduce" : 2,  

        "output" : 2  

    },  

    "ok" : 1  

}  

> db.students_result.find()  

{ "_id" : 1, "value" : 4 }  

{ "_id" : 2, "value" : 5 }  

>   

通过MapReduce处理后的结果存放在students_result集合中。

Finalize格式化输出

利用finalize()可以对reduce()的结果进行输出样式的格式化处理。代码如下：

Js代码  


> finalize=function(key,value){return {classid:key,count:value};}  

function (key, value) {  

    return {classid:key, count:value};  

}  

>   

定义好了finalize函数后，重新执行MapReduce，在函数定义中加入"finalize"参数，即可使用上面定义的finalize函数对返回结果进行格式化，代码如下：

Js代码  


> result=db.runCommand({  

... mapreduce:"students",  

... map:map,  

... reduce:reduce,  

... out:"students_result",  

... finalize:finalize  

... });  

{  

    "result" : "students_result",  

    "timeMillis" : 137,  

    "counts" : {  

        "input" : 9,  

        "emit" : 9,  

        "reduce" : 2,  

        "output" : 2  

    },  

    "ok" : 1  

}  

> db.students_result.find()  

{ "_id" : 1, "value" : { "classid" : 1, "count" : 4 } }  

{ "_id" : 2, "value" : { "classid" : 2, "count" : 5 } }  

>   

Query对目标记录进行过滤

前面提到了MapReduce语法中有一个query参数是用来对目标集合进行条件过滤，我们只需要在result函数中加入"query"参数即可对结果集进行过滤，代码如下：

Js代码  


> result=db.runCommand({  

... mapreduce:"students",  

... map:map,  

... reduce:reduce,  

... out:"students_result",  

... finalize:finalize,  

... query:{age:{$gt:22}}  

... });  

{  

    "result" : "students_result",  

    "timeMillis" : 776,  

    "counts" : {  

        "input" : 3,  

        "emit" : 3,  

        "reduce" : 1,  

        "output" : 2  

    },  

    "ok" : 1  

}  

> db.students_result.find()  

{ "_id" : 1, "value" : { "classid" : 1, "count" : 1 } }  

{ "_id" : 2, "value" : { "classid" : 2, "count" : 2 } }  

>   

从上面代码可以看到，我们在result函数中增加了query参数，只对age>22的document进行统计，输出结果每个班的人数就比原来的少了。

参考网址：http://chenzhou123520.iteye.com/blog/1637672