大家都知道,mongodb是一个非关系型数据库,也就是说,mongodb数据库中的每张表是独立存在的,表与表之间没有任何依赖关系。在mongodb中,除了各种CRUD语句之外,还给我们提供了聚合和mapreduce统计的功能,这篇文章主要来跟大家聊聊mongodb的mapreduce的操作。
Map-Reduce部分:Map-Reduce相当于关系型数据库中的group by,主要用于统计数据之用。mapreduce的概念我就不赘述了,大家自己去查查。
映射化简是一种将大量数据转换为有价值的*聚合*结果的数据处理方式。在MongoDB中,使用 mapReduce 命令来执行映射化简的操作。
请看下面的映射化简操作:
在这个映射化简操作中,MongoDB对每个输入文档(例如集合中满足查询条件的文档)执行了*map*操作。映射操作输出了键值对结果。对那些有多个值的关键字,MongoDB执行*reduce*操作,收集并压缩了最终的聚合结果。然后MongoDB把结果保存到一个集合中。化简函数还可以把结果输出到*finalize*函数,进一步对聚合结果做处理,当然这步是可选的。
在MongoDB中,所有的映射化简函数都是使用JavaScript编写,并且运行在 mongod 进程中。映射化简操作使用一个集合中文档作为*输入*,并且可以在映射阶段之前执行任意的排序和限定操作。 mapReduce 命令可以把结果作为一个文档来返回,也可以把结果写入集合。输入集合和输出集合可以是分片的。
- db.table.mapReduce(
- map,
- reduce,
- {
- query: query,
- out: out, //指定结果集以什么方式存储,可选参数包括:
- //replace:如果文档(table)存在,则替换table,
- //merge:如果文档中存在记录,则覆盖已存在的文档记录
- //reduce: 如果文档中存在相同key的记录了,则先计算两条记录,然后覆盖旧记录
- // {inline:1} 在内存中存储记录,不写入磁盘(用户数据量少的计算)
- sort: sort,
- limit: limit,
- finalize: function //这个function主要用来在存入out之前可以修改数据,function(key,values) {
- //return modifiedValues;}
- scope: document, //指定reduce可访问的文档范围
- jsMode:boolean //指定是否在map和ruduce之间立即将数据转换为Bason格式,默认为false
- //如果想设置为true,则要记住官方我那当的注意事项:
- //You can only use jsMode for result sets with fewer than
- //500,000 distinct key arguments to the mapper’s emit()function.
- verbose:boolean //是否在结果集中包含timing信息,默认是包含的
- }
- )
在做mongodb的mapreduce时,要确保你的query是可以利用到索引的,不然在大数据量的统计下,将会托夸整个数据库,如果确实没办法建索引,那么就在结果集中判断一些不符合条件的数据,而去掉query。
1.在map中,mongodb是每1000条数据就reduce一次
2.在map中,如果你想统计一个数据之和,需要这样写:
emit(key:this.key,sum:0})
然后再在reduce里需要将上一次的sum迭代累加起来,然后return {sum:sum};如果不这样做,你计算出来的数据总是最后不足1000条数据之后统计出来的,而前面的数据就都丢失了。
3.如果能不用mapreduce,就不用,程序能够统计的,就不要用mongodb频繁统计。
4.mapreduce的结果集的数据格式是:{_id:key,value:{}},因此如果想直接使用这个表的话,最好再重新将数据格式整理一次,尽量将数据放在最上次,而不是再用value.xxx去查询。
这里附上统计我们网站的用户发表内容的数量的mapreduce,仅供一种代码格式的参考价值吧:
- var db = connect('127.0.0.1:27017/test');
- db.aAccounttemp.drop();
- var map = function() {
- emit(this.accountId,
- {sum:0,
- reblogFlag:this.reblogFlag,dashboardFlag:this.dashboardFlag,dashboardType:this.dashboardType,
- photoNum:0,postNum:0,reblogNum:0,videoNum:0,videoShortNum:0, musicNum:0,
- questionNum:0,appNum:0, dialogNum:0});
- }
-
- var reduce = function(key,values) {
-
- var sum = 0;
- var photoNum = 0;
- var postNum = 0;
- var reblogNum = 0;
- var videoNum = 0;
- var videoShortNum = 0;
- var musicNum = 0;
- var questionNum = 0;
- var appNum = 0;
- var dialogNum = 0;
- for (var i = 0; i < values.length; i++) {
- var data = values[i];
- var reblogFlag = data.reblogFlag;
- var dashboardFlag = data.dashboardFlag;
- var dashboardType = data.dashboardType;
- sum += data.sum;
- photoNum += data.photoNum;
- reblogNum += data.reblogNum;
- postNum += data.postNum;
- videoNum += data.videoNum;
- musicNum += data.musicNum;
- videoShortNum += data.videoShortNum;
- questionNum += data.questionNum;
- appNum += data.appNum;
- dialogNum += data.dialogNum;
- if(!reblogFlag) {
- if(dashboardFlag) {
- sum += 1;
- if(dashboardType == 10) {
- postNum += 1;
- } else if(dashboardType == 20) {
- photoNum += 1;
- } else if(dashboardType == 30) {
- videoNum += 1;
- } else if(dashboardType == 31) {
- videoShortNum += 1;
- } else if(dashboardType == 40) {
- musicNum += 1;
- } else if(dashboardType == 60) {
- questionNum += 1;
- } else if(dashboardType == 100) {
- appNum += 1;
- } else if(dashboardType == 91) {
- dialogNum += 1;
- }
- } else {
- if(dashboardType == 20) {
- photoNum += 1;
- }
- }
- } else if(reblogFlag && dashboardFlag) {
- reblogNum += 1;
- }
-
- }
- return {sum:NumberInt(sum),reblogNum:NumberInt(reblogNum),postNum:NumberInt(postNum),photoNum:NumberInt(photoNum),
- videoNum:NumberInt(videoNum),videoShortNum:NumberInt(videoShortNum),
- musicNum:NumberInt(musicNum), questionNum:NumberInt(questionNum),appNum:NumberInt(appNum),dialogNum:NumberInt(dialogNum)};
- };
- db.getMongo().setSlaveOk();
- db.dashboard_basic.mapReduce(
- map,
- reduce,
- {
- out:{merge:'aAccounttemp'}
- }
- );
- var results = db.aAccounttemp.find();
- //重新整理数据格式,存入正规表中
- while (results.hasNext()) {
- var obj = results.next();
- var value = obj.value;
- var sum = NumberInt(value.sum);
- var reblogNum = NumberInt(value.reblogNum);
- var postNum = NumberInt(value.postNum);
- var photoNum = NumberInt(value.photoNum);
- var videoNum = NumberInt(value.videoNum);
- var videoShortNum = NumberInt(value.videoShortNum);
- var musicNum = NumberInt(value.musicNum);
- var questionNum = NumberInt(value.questionNum);
- var appNum = NumberInt(value.appNum);
- var dialogNum = NumberInt(value.dialogNum);
- var accountId = obj._id;
- db.dashboard_account_num.insert({accountId:accountId,sum:sum,reblogNum:reblogNum,postNum:postNum,photoNum:photoNum,
- videoShortNum:videoShortNum,videoNum:videoNum,musicNum:musicNum,questionNum:questionNum,
- appNum:appNum,dialogNum:dialogNum});
- }
-
- print('success insert total ' + results.count()+ ' datas');
- db.aAccounttemp.drop()
- quit()
如果本篇文章对你有帮助的话,很高兴能够帮助上你。
当然,如果你觉得文章有什么让你觉得不合理、或者有更简单的实现方法又或者有理解不来的地方,希望你在看到之后能够在评论里指出来,我会在看到之后尽快的回复你。