MongoDB Map Reduce

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了MongoDB Map Reduce，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4406字，纯文字阅读大概需要7分钟。

内容图文

　　使用 MapReduce 要实现两个函数 Map 函数和 Reduce 函数,Map 函数调用 emit(key, value), 遍历 collection 中所有的记录, 将key 与 value 传递给 Reduce 函数进行处理。

Map 函数必须调用 emit(key, value) 返回键值对。

参数说明:

• map ：映射函数 (生成键值对序列,作为 reduce 函数参数)。
• reduce 统计函数，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。。
• out 统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)。
• 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）

插入测试数据：

　　for i in xrange(1000):
　　　　rID=math.floor(random.random()*10);
　　　　price = round(random.random()*10,2);
　　　　if rID < 4:
　　　　　　db.test.insert({"_id":i,"user":"Joe","product":rID,"price":price});
　　　　elif rID>=4 and rID<7:
　　　　　　db.test.insert({"_id":i,"user":"Josh","product":rID,"price":price});
　　　　else:
　　　　　　db.test.insert({"_id":i,"user":"Ken","product":rID,"price":price});

　　结果数据为：　

　　{ "_id" : 0, "price" : 5.9, "product" : 9, "user" : "Ken" }
　　{ "_id" : 1, "price" : 7.59, "product" : 7, "user" : "Ken" }
　　{ "_id" : 2, "price" : 4.72, "product" : 0, "user" : "Joe" }
　　{ "_id" : 3, "price" : 1.35, "product" : 1, "user" : "Joe" }
　　{ "_id" : 4, "price" : 2.31, "product" : 0, "user" : "Joe" }
　　{ "_id" : 5, "price" : 5.29, "product" : 5, "user" : "Josh" }
　　{ "_id" : 6, "price" : 3.34, "product" : 1, "user" : "Joe" }
　　{ "_id" : 7, "price" : 7.2, "product" : 4, "user" : "Josh" }
　　{ "_id" : 8, "price" : 8.1, "product" : 6, "user" : "Josh" }
　　{ "_id" : 9, "price" : 2.57, "product" : 3, "user" : "Joe" }
　　{ "_id" : 10, "price" : 0.54, "product" : 2, "user" : "Joe" }
　　{ "_id" : 11, "price" : 0.66, "product" : 1, "user" : "Joe" }
　　{ "_id" : 12, "price" : 5.51, "product" : 1, "user" : "Joe" }
　　{ "_id" : 13, "price" : 3.74, "product" : 6, "user" : "Josh" }
　　{ "_id" : 14, "price" : 4.82, "product" : 0, "user" : "Joe" }
　　{ "_id" : 15, "price" : 9.79, "product" : 3, "user" : "Joe" }
　　{ "_id" : 16, "price" : 9.6, "product" : 5, "user" : "Josh" }
　　{ "_id" : 17, "price" : 4.06, "product" : 7, "user" : "Ken" }
　　{ "_id" : 18, "price" : 1.37, "product" : 5, "user" : "Josh" }
　　{ "_id" : 19, "price" : 6.77, "product" : 9, "user" : "Ken" }

测试1、每个用户各购买了多少个产品？
用SQL语句实现为：select user,count(product) from test group by user

//MapReduce实现

　　map=function (){
　　　　emit(this.user,{count:1})
　　}

　　reduce = function (key, values){
　　　　var total = 0;
　　　　for (var i = 0; i < values.length; i++)
　　　　{
　　　　　　total += values[i].count;
　　　　}
　　　　return {count:total};
　　　　}

　　result = db.test.mapReduce(map,reduce,{out: ‘re‘})
   执行结果：
　　

  查询 out结果：
　　

　　2、每个用户不同的产品购买了多少个？(复合Key做re)

　　SQL实现：select user,product,count(*) from test group by user,product

　　MapReduce 实现：

　　map = function (){
　　　　emit({user:this.user,product:this.product},{count:1})
　　}

　　reduce = function (key, values){
　　　　var total = 0;
　　　　for (var i = 0; i < values.length; i++) 
　　　　{
　　　　　　total += values[i].count;
　　　　}
　　　　return {count:total};
　　　　}

　　执行：result = db.test.mapReduce(map,reduce,{out: ‘re2‘})

　　查询结果re2:

 3. 每个用户购买的产品数量，总金额是多少？(复合Reduce结果处理)

　　SQL实现为：select user,count(product),sum(price) from test group by user

　　MapReduce实现：

　　map=function (){
　　　　emit(this.user,{amount:this.price,count:1})
　　}

　　reduce = function (key, values){
　　　　　var res={amount:0,count:0};
　　　　　for (var i = 0; i < values.length; i++)
　　　　　{
　　　　　　res.count += values[i].count;
　　　　　　res.amount += values[i].amount;
　　　　　}
　　　　　res.count = Math.round(res.count,2);
　　　　　res.amount = Math.round(res.amount,2);
　　　　　return res;
　　}

　　执行：db.test.mapReduce(map,reduce,{out:"re3"})

　　查询re3:

4、在3中返回的amount的float精度需要改成两位小数，还需要得到商品的平均价格。(使用Finalize处理reduce结果集)

　　SQL实现：select user,count(sku),sum(price)，round(sum(price)/count(sku),2) as avgPrice from test group by user

　　MapReduce实现：

MongoDB Map Reduce

标签：

本文系统来源：http://www.cnblogs.com/shaosks/p/5684906.html

内容总结

以上是互联网集市为您收集整理的MongoDB Map Reduce全部内容，希望文章能够帮你解决MongoDB Map Reduce所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端