Mongodb高级篇-MapReduce

Mongodb支持使用javascript编写mapreduce函数来做分布式数据处理。然而,这种强大是有代价的:MapReduce非常慢,不应该用在实时的数据分析中。

举个MapReduce使用的例子,我们有一个orders表,包含cust_id,amount,status三个字段,现在我们有统计同一个cust_id的订单的总额。

可以像下面这样写:

《Mongodb高级篇-MapReduce》 map-reduce

执行顺序显而易见:

1、执行query筛选出特定数据

2、执行map返回键值对,这里的值可以是一个list

3、执行reduce对value求sum

4、得到名为order_totals的结果

上面这个例子是挂在官网上的。但是实际使用时按照这个写就是无法通过….

详细命令:

db.runCommand(
{
mapreduce : 字符串,集合名,
map : 函数,见下文
reduce : 函数,见下文
[, query : 文档,发往map函数前先给过渡文档]
[, sort : 文档,发往map函数前先给文档排序]
[, limit : 整数,发往map函数的文档数量上限]
[, out : 字符串,统计结果保存的集合]
[, keeptemp: 布尔值,链接关闭时临时结果集合是否保存]
[, finalize : 函数,将reduce的结果送给这个函数,做最后的处理]
[, scope : 文档,js代码中要用到的变量]
[, jsMode : 布尔值,是否减少执行过程中BSON和JS的转换,默认true] //注:false时 BSON–>JS–>map–>BSON–>JS–>reduce–>BSON,可处理非常大的mapreduce,//true时BSON–>js–>map–>reduce–>BSON
[, verbose : 布尔值,是否产生更加详细的服务器日志,默认true]
}
);

找了一个简单一点的例子,可以尝试做一下。

首先生成1000条测试数据。

for (var i=0; i<1000; i++) { 
db.t.insert({
"name" : "user"+i,
"age":i ,
"created_at" : new Date()
});
 }

创建map函数:

var m=function(){
emit(this.age,this.name);
}

emit:返回一个键值对。emit的第一个参数是key,就是分组的依据,这是自然是age了,后一个是value,可以是要统计的数据,下面会说明,value可以是JSON对象。

这样m就会把送过来的数据根据key分组了,可以想象成如下结构:

第一组
{key:0,values: ["name_6","name_12","name_18"]
第二组
{key:1,values: ["name_1","name_7","name_13","name_19"]
......

第二步就是简化了,编写reduce函数:

var r=function(key,values){
var ret={age:key,names:values};
return ret;
}

reduce函数会处理每一个分组,参数也正好是我们想像分组里的key和values。

这里reduce函数只是简单的把key和values包装了一下,因为不用怎么处理就是我们想要的结果了,然后返回一个对象。对象结构正好和我们想象的相符!

最后,还可以编写finalize函数对reduce的返回值做最后处理:

var f=function(key,rval){
if(key==0){
rval.msg="a new life,baby!";
}
return rval
}

这里的key还是上面的key,也就是还是age,rval是reduce的返回值,所以rval的一个实例如:{age:0,names:[“name_6″,”name_12″,”name_18”]},

这里判断 key 是不是 0 ,如果是而在 rval 对象上加 msg 属性,显然也可以判断 rval.age==0,因为 key 和 rval.age 是相等的嘛!!

db.runCommand({
    mapreduce:"t",
    map:m,
    reduce:r,
    finalize:f,
    out:"t_age_names"
    }
)

db.t_age_names.find()

结果导入到 t_age_names 集合中,查询出来正是想要的结果,看一下文档的结构,不难发现,_id 就是 key,value 就是处理后的返回值。

map-reduce的性能优化

这篇文章总结的很好了,不再赘述:MongoDB MapReduce 性能提升20倍的优化宝典

map-reduce运行于sharding

比较一下map-reduce运行于sharding和单个实例下的性能。

插入10万条数据:

for (var i=0; i<100000; i++) {
 db.t.insert({"name" : "user"+i,"age":i ,"created_at" : new Date()}); 
}

用map-reduce来查询sharding下实例:

db.runCommand({ mapreduce:"t",    map:m,    reduce:r,    finalize:f,  sort:{"age":-1},   out:"t_age_names"    })

{
    "result" : "t_age_names",
    "timeMillis" : 5082,
    "counts" : {
        "input" : 101000,
        "emit" : 101000,
        "reduce" : 1000,
        "output" : 100000
    },
    "ok" : 1
}

运行时间是5秒左右。

在单机单实例下运行:

{
    "result" : "t_age_names",
    "timeMillis" : 4820,
    "counts" : {
        "input" : 101000,
        "emit" : 101000,
        "reduce" : 1000,
        "output" : 100000
    },
    "ok" : 1
}

单机单实例下只需要4.8秒。比单机sharding要快。(因为sharding是有开销的)。

参考资料:

http://docs.mongodb.org/v2.6/core/map-reduce/

http://www.cnblogs.com/loogn/archive/2012/02/09/2344054.html

    原文作者:1angxi
    原文地址: https://www.jianshu.com/p/5a24629e1126
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞