MongoDB中MapReduce编程模型使用实例
注:作者使用的MongoDB为2.4.7版本。
单词计数示例:
插入用于单词计数的数据:
代码如下:
db.data.insert({sentence:'Consider the following map-reduce operations on a collection orders that contains documents of the following prototype'}) db.data.insert({sentence:'I get the following error when I follow the code found in this link'})
图个简洁,数据中没有包含标点符号。 在mongo shell写入以下内容:
代码如下:
var map = function() { split_result = this.sentence.split(" "); for (var i in split_result) { var word = split_result[i].replace(/(^\s*)|(\s*$)/g,"").toLowerCase(); //去除了单词两边可能的空格,并将单词转换为小写 if (word.length != 0) { emit(word, 1); } } } <p>var reduce = function(key, values) { return Array.sum(values); }</p> <p>db.data.mapReduce( map, reduce, {out:{inline:1}} )</p>
db.data.mapReduce的第一和第二个参数分别指定map和reduce,map的输入是集合中的每个文档,通过emit()生成键值对;而reduce则处理键的多个值。
mapReduce的第三个参数指明在内存中进行mapreduce并返回结果,运行结果如下:
代码如下:
{ "results" : [ { "_id" : "a", "value" : 1 }, { "_id" : "code", "value" : 1 }, { "_id" : "collection", "value" : 1 }, { "_id" : "consider", "value" : 1 }, { "_id" : "contains", "value" : 1 }, { "_id" : "documents", "value" : 1 }, { "_id" : "error", "value" : 1 }, { "_id" : "follow", "value" : 1 }, { "_id" : "following", "value" : 3 }, { "_id" : "found", "value" : 1 }, { "_id" : "get", "value" : 1 }, { "_id" : "i", "value" : 2 }, { "_id" : "in", "value" : 1 }, { "_id" : "link", "value" : 1 }, { "_id" : "map-reduce", "value" : 1 }, { "_id" : "of", "value" : 1 }, { "_id" : "on", "value" : 1 }, { "_id" : "operations", "value" : 1 }, { "_id" : "orders", "value" : 1 }, { "_id" : "prototype", "value" : 1 }, { "_id" : "that", "value" : 1 }, { "_id" : "the", "value" : 4 }, { "_id" : "this", "value" : 1 }, { "_id" : "when", "value" : 1 } ], "timeMillis" : 1, "counts" : { "input" : 2, "emit" : 30, "reduce" : 3, "output" : 24 }, "ok" : 1, }
results的值是MapReduce的处理结果,timeMillis指明花费的时间;counts中input指明了输入的文档数,emit指明了在map中调用emit的次数,reduce指明了reduce的次数(本例中如果单次次数为1则不需要reduce),output指明了输出的文档数目。
可以看到,键_id不再是自动生成,而是被reduce中的key取代。当然,也可以将结果输入到一个新的collection中,例如:
代码如下:
db.data.mapReduce( map, reduce, {out:"mr_result"} )
之后查看mr_result集合中的内容即可:
代码如下:
db.mr_result.find()
也可以使用db.runCommand执行mapreduce任务,这种方法为开发者提供了更多的选项,具体请见资料[1]。资料[2][3][4]提供了关于mapreduce更全面的内容。资料[5]给出了优化mapreduce任务的方法,资料[6]是资料[5]的一篇中文翻译。
应该注意的是,资料[5]中提到使用ScopedThread()创建线程,笔者在GUI工具Robomongo的shell中运行 new ScopedThread()时候报错: ReferenceError: ScopedThread is not defined (shell):1
不过在mongo shell中可以正常运行:
代码如下:
> new ScopedThread() Sat Mar 22 21:32:36.062 Error: need at least one argument at src/mongo/shell/utils.js:101
如果使用其他编程语言管理MongoDB,要用到线程时,应该使用该编程语言内置的线程。
关于mongodb实现的mapreduce,个人觉得如果支持多个MR任务平滑过渡就更好了。