mongoDB mapreduce使用总结

        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(官网截取)

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。

在mongodb中，mapreduce的语法如下：

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。

mapreduce的语法其实很简单，只不过这里面有几点需要注意一下：

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。