MongoDB mapreduce实例
?
?
例子很简单，计算一个标签系统中每个标签出现的次数。
这里面，除了emit函数之外，所有都是标准的js语法,这个emit函数是非常重要的，可以这样理解，当所有需要计算的文档（因为在mapReduce时，可以对文档进行过滤，接下来会讲到）执行完了map函数，map函数会返回key_values对，key即是emit中的第一个参数key，values是对应同一key的emit的n个第二个参数组成的数组。这个key_values会作为参数传递给reduce，分别作为第1.2个参数。
reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。当key-values中的values数组过大时，会被再切分成很多个小的key-values块，然后分别执行Reduce函数，再将多个块的结果组合成一个新的数组，作为Reduce函数的第二个参数，继续Reducer操作。可以预见，如果我们初始的values非常大，可能还会对第一次分块计算后组成的集合再次Reduce。这就类似于多阶的归并排序了。具体会有多少重，就看数据量了。
reduce一定要能被反复调用，不论是映射环节还是前一个简化环节。所以reduce返回的文档必须能作为reduce的第二个参数的一个元素。
（当书写Map函数时，emit的第二个参数组成数组成了reduce函数的第二个参数，而Reduce函数的返回值，跟emit函数的第二个参数形式要一致，多个reduce函数的返回值可能会组成数组作为新的第二个输入参数再次执行Reduce操作。）
?
MapReduce函数的参数列表如下：
?
db.runCommand( { mapreduce : <collection>, map : <mapfunction>, reduce : <reducefunction> [, query : <query filter object>] [, sort : <sort the query. useful for optimization>] [, limit : <number of objects to return from collection>] [, out : <output-collection name>] [, keeptemp: <true|false>] [, finalize : <finalizefunction>] [, scope : <object where fields go into javascript global scope >] [, verbose : true] });或者这么写：?
?
db.collection.mapReduce( <map>, <reduce>, { <out>, <query>, <sort>, <limit>, <keytemp>,? <finalize>, <scope>, <jsMode>, <verbose> } )- mapreduce：指定要进行mapreduce处理的collection
- map：map函数
- reduce：reduce函数
- out：输出结果的collection的名字，不指定会默认创建一个随机名字的collection（如果使用了out选项，就不必指定keeptemp：true了，因为已经隐含在其中了）
- query：一个筛选条件，只有满足条件的文档才会调用map函数。（query。limit，sort可以随意组合）
- sort：和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制
- limit：发往map函数的文档数量的上限（要是没有limit，单独使用sort的用处不大）
- keytemp：true或false，表明结果输出到的collection是否是临时的，如果想在连接关闭后仍然保留这个集合，就要指定keeptemp为true，如果你用的是MongoDB的mongo客户端连接，那必须exit后才会删除。如果是脚本执行，脚本退出或调用close会自动删除结果collection
- finalize：是函数，它会在执行完map、reduce后再对key和value进行一次计算并返回一个最终结果，这是处理过程的最后一步，所以finalize就是一个计算平均数，剪裁数组，清除多余信息的恰当时机
- scope：javascript代码中要用到的变量，在这里定义的变量在map，reduce，finalize函数中可见
- verbose：用于调试的详细输出选项，如果想看MpaReduce的运行过程，可以设置其为true。也可以print把map，reduce，finalize过程中的信息输出到服务器日志上。
?
执行MapReduce函数返回的文档结构如下：
? { result : <collection_name>,
??? timeMillis : <job_time>,?
??? counts : {
?????????????? input : <number of objects scanned>,
??? ?????????? emit : <number of times emit was called>,
?????? ??????? output : <number of items in output collection>
? ?? } ,
???? ok : <1_if_ok>,
???? [, err : <errmsg_if_error>]
}
- result：储存结果的collection的名字,这是个临时集合，MapReduce的连接关闭后自动就被删除了。
- timeMillis：执行花费的时间，毫秒为单位
- 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：是否成功，成功为1
- err：如果失败，这里可以有失败原因，不过从经验上来看，原因比较模糊，作用不大
java代码执行MapReduce的方法：
分享到：?