MongoDB中的MapReduce簡介

2020-10-29 18:51:13

字體：大中小

供稿：網(wǎng)友

MongoDB MapReduce

MapReduce是一種計(jì)算模型，簡單的說就是將大批量的工作（數(shù)據(jù)）分解（MAP）執(zhí)行，然后再將結(jié)果合并成最終結(jié)果（REDUCE）。這樣做的好處是可以在任務(wù)被分解后，可以通過大量機(jī)器進(jìn)行并行計(jì)算，減少整個(gè)操作的時(shí)間。

上面是MapReduce的理論部分，下面說實(shí)際的應(yīng)用，下面以MongoDB MapReduce為例說明。

下面是MongoDB官方的一個(gè)例子：

復(fù)制代碼代碼如下:

> db.things.insert( { _id : 1, tags : ['dog', 'cat'] } );
> db.things.insert( { _id : 2, tags : ['cat'] } );
> db.things.insert( { _id : 3, tags : ['mouse', 'cat', 'dog'] } );
> db.things.insert( { _id : 4, tags : [] } );

> // map function
> map = function(){
...    this.tags.forEach(
...        function(z){
...            emit( z , { count : 1 } );
...        }
...    );
...};

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

db.things.mapReduce(map,reduce,{out:'tmp'})
{
    "result" : "tmp",
    "timeMillis" : 316,
    "counts" : {
        "input" : 4,
        "emit" : 6,
        "output" : 3
    },
    "ok" : 1,
}
> db.tmp.find()
{ "_id" : "cat", "value" : { "count" : 3 } }
{ "_id" : "dog", "value" : { "count" : 2 } }
{ "_id" : "mouse", "value" : { "count" : 1 } }

例子很簡單，計(jì)算一個(gè)標(biāo)簽系統(tǒng)中每個(gè)標(biāo)簽出現(xiàn)的次數(shù)。

這里面，除了emit函數(shù)之外，所有都是標(biāo)準(zhǔn)的js語法,這個(gè)emit函數(shù)是非常重要的，可以這樣理解，當(dāng)所有需要計(jì)算的文檔（因?yàn)樵趍apReduce時(shí)，可以對文檔進(jìn)行過濾，接下來會講到）執(zhí)行完了map函數(shù)，map函數(shù)會返回key_values對，key即是emit中的第一個(gè)參數(shù)key，values是對應(yīng)同一key的emit的n個(gè)第二個(gè)參數(shù)組成的數(shù)組。這個(gè)key_values會作為參數(shù)傳遞給reduce，分別作為第1.2個(gè)參數(shù)。

reduce函數(shù)的任務(wù)就是將key-values變成key-value，也就是把values數(shù)組變成一個(gè)單一的值value。當(dāng)key-values中的values數(shù)組過大時(shí)，會被再切分成很多個(gè)小的key-values塊，然后分別執(zhí)行Reduce函數(shù)，再將多個(gè)塊的結(jié)果組合成一個(gè)新的數(shù)組，作為Reduce函數(shù)的第二個(gè)參數(shù)，繼續(xù)Reducer操作。可以預(yù)見，如果我們初始的values非常大，可能還會對第一次分塊計(jì)算后組成的集合再次Reduce。這就類似于多階的歸并排序了。具體會有多少重，就看數(shù)據(jù)量了。

reduce一定要能被反復(fù)調(diào)用，不論是映射環(huán)節(jié)還是前一個(gè)簡化環(huán)節(jié)。所以reduce返回的文檔必須能作為reduce的第二個(gè)參數(shù)的一個(gè)元素。

（當(dāng)書寫Map函數(shù)時(shí)，emit的第二個(gè)參數(shù)組成數(shù)組成了reduce函數(shù)的第二個(gè)參數(shù)，而Reduce函數(shù)的返回值，跟emit函數(shù)的第二個(gè)參數(shù)形式要一致，多個(gè)reduce函數(shù)的返回值可能會組成數(shù)組作為新的第二個(gè)輸入?yún)?shù)再次執(zhí)行Reduce操作。）

MapReduce函數(shù)的參數(shù)列表如下：

復(fù)制代碼代碼如下:

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]
 }
);

或者這么寫：

復(fù)制代碼代碼如下:

db.collection.mapReduce(
                         <map>,
                         <reduce>,
                         {
                           <out>,
                           <query>,
                           <sort>,
                           <limit>,
                           <keytemp>,
                           <finalize>,
                           <scope>,
                           <jsMode>,
                           <verbose>
                         }
                       )

1.mapreduce：指定要進(jìn)行mapreduce處理的collection
2.map：map函數(shù)
3.reduce：reduce函數(shù)
4.out：輸出結(jié)果的collection的名字，不指定會默認(rèn)創(chuàng)建一個(gè)隨機(jī)名字的collection（如果使用了out選項(xiàng)，就不必指定keeptemp：true了，因?yàn)橐呀?jīng)隱含在其中了）
5.query：一個(gè)篩選條件，只有滿足條件的文檔才會調(diào)用map函數(shù)。（query。limit，sort可以隨意組合）
6.sort：和limit結(jié)合的sort排序參數(shù)（也是在發(fā)往map函數(shù)前給文檔排序），可以優(yōu)化分組機(jī)制
7.limit：發(fā)往map函數(shù)的文檔數(shù)量的上限（要是沒有l(wèi)imit，單獨(dú)使用sort的用處不大）
8.keytemp：true或false，表明結(jié)果輸出到的collection是否是臨時(shí)的，如果想在連接關(guān)閉后仍然保留這個(gè)集合，就要指定keeptemp為true，如果你用的是MongoDB的mongo客戶端連接，那必須exit后才會刪除。如果是腳本執(zhí)行，腳本退出或調(diào)用close會自動(dòng)刪除結(jié)果collection
9.finalize：是函數(shù)，它會在執(zhí)行完map、reduce后再對key和value進(jìn)行一次計(jì)算并返回一個(gè)最終結(jié)果，這是處理過程的最后一步，所以finalize就是一個(gè)計(jì)算平均數(shù)，剪裁數(shù)組，清除多余信息的恰當(dāng)時(shí)機(jī)
10.scope：javascript代碼中要用到的變量，在這里定義的變量在map，reduce，finalize函數(shù)中可見
11.verbose：用于調(diào)試的詳細(xì)輸出選項(xiàng)，如果想看MpaReduce的運(yùn)行過程，可以設(shè)置其為true。也可以print把map，reduce，finalize過程中的信息輸出到服務(wù)器日志上。

執(zhí)行MapReduce函數(shù)返回的文檔結(jié)構(gòu)如下：

復(fù)制代碼代碼如下:

{ 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>]

}

1.result：儲存結(jié)果的collection的名字,這是個(gè)臨時(shí)集合，MapReduce的連接關(guān)閉后自動(dòng)就被刪除了。
2.timeMillis：執(zhí)行花費(fèi)的時(shí)間，毫秒為單位
3.input：滿足條件被發(fā)送到map函數(shù)的文檔個(gè)數(shù)
4.emit：在map函數(shù)中emit被調(diào)用的次數(shù)，也就是所有集合中的數(shù)據(jù)總量
5.ouput：結(jié)果集合中的文檔個(gè)數(shù)（count對調(diào)試非常有幫助）
6.ok：是否成功，成功為1
7.err：如果失敗，這里可以有失敗原因，不過從經(jīng)驗(yàn)上來看，原因比較模糊，作用不大

java代碼執(zhí)行MapReduce的方法：

復(fù)制代碼代碼如下:

public void MapReduce() {
        Mongo mongo = new Mongo("localhost",27017);
        DB db = mongo.getDB("qimiguangdb");
        DBCollection coll = db.getCollection("collection1");
       
        String map = "function() { emit(this.name, {count:1});}";
                                                                                                              
   
        String reduce = "function(key, values) {";  
        reduce=reduce+"var total = 0;";  
        reduce=reduce+"for(var i=0;i<values.length;i++){total += values[i].count;}";  
        reduce=reduce+"return {count:total};}";  
          
        String result = "resultCollection";  
          
        MapReduceOutput mapReduceOutput = coll.mapReduce(map,  
                reduce.toString(), result, null);  
        DBCollection resultColl = mapReduceOutput.getOutputCollection();  
        DBCursor cursor= resultColl.find();  
        while (cursor.hasNext()) {  
            System.out.println(cursor.next());  
        }  
    }  