根據(jù)MongoDB文檔的說(shuō)明，Map-reduce是將大量數(shù)據(jù)合并為有用的聚合結(jié)果的數(shù)據(jù)處理范例。 MongoDB使用mapReduce命令進(jìn)行map-reduce操作。MapReduce通常用于處理大型數(shù)據(jù)集。

MapReduce命令

以下是基本 mapReduce 命令的語(yǔ)法 -

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

map-reduce函數(shù)首先查詢集合，然后將結(jié)果文檔映射到發(fā)出的鍵值對(duì)，然后根據(jù)具有多個(gè)值的鍵進(jìn)行減少。

在上面的語(yǔ)法 -

• map是一個(gè)JavaScript函數(shù)，它將一個(gè)值與一個(gè)鍵映射并發(fā)出一個(gè)鍵值對(duì)；
• reduce是一個(gè)javascript功能，可以減少或分組具有相同鍵的所有文檔；
• out指定map-reduce查詢結(jié)果的位置；
• query指定選擇文檔的可選選擇條件；
• sort指定可選的排序條件；
• limit指定可選的最大文檔數(shù)；

使用MapReduce

請(qǐng)考慮存儲(chǔ)用戶帖子的以下文檔結(jié)構(gòu)。 該文檔存儲(chǔ)用戶的user_name和帖子的狀態(tài)(status)。

{
   "post_text": "yiibai tutorials is an awesome website for tutorials",
   "user_name": "maxsu",
   "status":"active"
}

現(xiàn)在，我們將在posts集上使用mapReduce函數(shù)來(lái)選擇所有status的值為active的帖子，并根據(jù)user_name分組，然后使用以下代碼對(duì)每個(gè)用戶的帖子數(shù)進(jìn)行計(jì)數(shù) -

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

以上mapReduce查詢輸出以下結(jié)果 -

{
   "result" : "post_total",
   "timeMillis" : 9,
   "counts" : {
      "input" : 4,
      "emit" : 4,
      "reduce" : 2,
      "output" : 2
   },
   "ok" : 1,
}

結(jié)果表明，共有4個(gè)文檔與查詢(status的值為active)匹配，映射函數(shù)發(fā)出4個(gè)具有鍵值對(duì)的文檔，最后將具有相同鍵的reduce函數(shù)分組的映射文檔分解為2。

要查看此 mapReduce 查詢的結(jié)果，請(qǐng)使用 find 運(yùn)算符 -

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

).find()

上述查詢給出以下結(jié)果，表明用戶 tom 和 maxsu 有兩個(gè)活動(dòng)狀態(tài)的帖子 -

{ "_id" : "tom", "value" : 2 }
{ "_id" : "maxsu", "value" : 2 }

以類(lèi)似的方式，MapReduce查詢可用于構(gòu)建大型復(fù)雜聚合查詢。 使用自定義JavaScript函數(shù)可以使用MapReduce，它非常靈活和強(qiáng)大。