MongoDB 的 MapReduce 大数据统计统计挖掘

MongoDB虽然不像我们常用的mysql，sqlserver，oracle等关系型数据库有group by函数那样方便分组，但是MongoDB要实现分组也有3个办法：

 * Mongodb三种分组方式：

 * 1、group(先筛选再分组，不支持分片，对数据量有所限制，效率不高)

 * 2、mapreduce(基于js引擎，单线程执行，效率较低，适合用做后台统计等)

 * 3、aggregate(推荐) (如果你的PHP的mongodb驱动版本需>=1.3.0，推荐你使用aggregate，性能要高很多，并且使用上要简单些，不过1.3的目前还不支持账户认证模式，可以通过http://pecl.php.net/package/mongo查看更新日志和Bug)

下面就来看下mapreduce方式：

Mongodb官网对MapReduce介绍：

Map/reduce in MongoDB is useful for batch processing of data and aggregation operations. It is similar in spirit to using something like Hadoop with all input coming from a collection and output going to a collection. Often, in a situation where you would have used GROUP BY in SQL, map/reduce is the right tool in MongoDB.

-------------------------------------------------------------------------------------------

MongoDB 的 MapReduce 相当于 Mysql 中的"group by", 所以在 MongoDB 上使用 Map/Reduce 进行并行"统计"很容易。

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 中所有记录, key 与 value 传递给 Reduce 函数进行处理。 函数和 Reduce 将 Map 函数可以使用 JavaScript 来实现,可以通db.runCommand 或 mapReduce 命令来执行一个 MapReduce的操作。

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。

其中重点的几个参数说明：

1、Map

Map 函数必须调用 emit(key, value) 返回键值对,使用 this 访问当前待处理的 Document。

m = function() { emit(this.classid, 1) }

value 可以使用 JSON Object 传递 (支持多个属性值)。例如:

emit(this.classid, {count:1})

2 Reduce

Reduce 函数接收的参数类似 Group 效果,将 Map 返回的键值序列组合成 { key, [value1, value2, value3, value...] } 传递给 reduce。

r = function(key, values) {

var x = 0;

values.forEach(function(v) { x += v });

return x;

}

3 Result

res = db.runCommand({

mapreduce:"students",

map:m,

reduce:r,

out:"students_res"

});

mapReduce() 将结果存储在 "students_res" 表中。

8.4 Finalize

利用 finalize() 我们可以对 reduce() 的结果做进一步处理。

f = function(key, value) { return {classid:key, count:value}; }

列名变与 “classid”和”count”了,这样的列表更容易理解。

8.5 Options

可以添加更多的控制细节 。添加query、sort等。

实例：

publicvoid 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());  
        }  
    }  

MongoDB 的 MapReduce 大数据统计统计挖掘,古老的榕树,5-wow.com