MongoDB MapReduce

在用 MongoDB 查询时，若返回的数据量很大，或者做一些比较复杂的统计和聚合操作做花费的时间很长时，可以使用 MongoDB 中的 mapReduce 进行实现。mapReduce 是个灵活且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，分配到多个服务器上并行处理。

在 MongoDB 中我们可以使用 mapReduce 命令来执行 mapReduce 操作。

mapReduce 命令

在 mapReduce 命令中要实现两个函数，分别是 map 函数和 reduce 函数，其中 map 函数调用 emit(key, value)，遍历集合中的所有记录，并将 key 与 value 传递给 reduce 函数进行处理，如下所示：

> db.collection_name.mapReduce(
    function() {emit(key, value);},                  // map 函数
    function(key, values) {return reduceFunction},   // reduce 函数
    {
        out: collection,
        query: document,
        sort: document,
        limit: number
    }
)

参数说明如下：

• map 函数：一个 javascript 函数，它用一个键映射一个值并发出一个键值对；
• reduce 函数：一个 javascript 函数，用于减少或分组具有相同键的所有文档；
• out：指定 map-reduce 查询结果的位置；
• query：指定用于选择文档的可选选择条件；
• sort：指定可选的排序条件；
• limit：指定要返回的最大文档数（可选）。

使用 mapReduce

假如有一个存储用户帖子信息的集合，其中存储了若干用户的用户名、状态等信息，例如下面这样：

{
    "post_text": "城东书院（cdsy.xyz），城东书院致力于为广大用户提供一个提升自我，提高工作效率，分享科学合理生活信息，专注教育领域内容，打造精品栏目，并顺应技术发展趋势的学习平台。",
    "user_name": "cdsy",
    "status":"active"
}

接下来在上述的集合中使用 mapReduce 命令来选择集合中所有 "status":"active" 的文档，然后根据用户名对它们进行分组，最后统计每个用户的发帖数量。示例代码如下：

> db.posts.mapReduce(
... function() { emit(this.user_name,1); },
... function(key, values) {return Array.sum(values)},
... {
...    query:{status:"active"},
...    out:"post_total"
... }
... )

上面 mapReduce 命令的输出结果如下所示：

{
        "result" : "post_total",
        "timeMillis" : 48,
        "counts" : {
                "input" : 11,
                "emit" : 11,
                "reduce" : 2,
                "output" : 2
        },
        "ok" : 1
}

关于运行结果，有如下几点需要说明：

• result：储存结果的 collection 的名字，这是个临时集合，mapReduce 的连接关闭后会被自动删除；
• timeMillis：执行花费的时间，单位为毫秒；
• input：满足条件被发送到 map 函数的文档个数；
• emit：在 map 函数中 emit 被调用的次数，也就是所有集合中的数据总量；
• ouput：结果集合中的文档个数（count 对调试非常有帮助）；
• ok：查询是否执行成功，成功为 1；
• err：若执行失败，则会在这里显示失败原因。

通过运行结果可以发现，共有 11 个文档与查询匹配（状态为“active”），map 函数生成了 11 个具有键值对的文档，最后 reduce 函数将具有相同键值的映射文档分为 2 个组。

若要查看 mapReduce 查询的结果，可以使用 find 方法，如下所示：

> db.posts.mapReduce(
... function() { emit(this.user_name,1); },
... function(key, values) {return Array.sum(values)},
... {
...    query:{status:"active"},
...    out:"post_total"
... }
... ).find()

上面的查询语句，执行结果如下：

{ "_id" : "cdsy", "value" : 5 }
{ "_id" : "cdsy", "value" : 6 }

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 函数的使用使得 mapReduce 非常灵活和强大。