MongoDB MapReduce
MapReduce是一種計算模型，簡單的說就是將大批量的工作（數據）分解（MAP）執行，然後再將結果合並成最終結果（REDUCE）。這樣做的好處是可以在任務被分解後，可以通過大量機器進行並行計算，減少整個操作的時間。
上面是MapReduce的理論部分，下面說實際的應用，下面以MongoDB MapReduce為例說明。
下面是MongoDB官方的一個例子：
復制代碼 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，計算一個標簽系統中每個標簽出現的次數。
這裡面，除了emit函數之外，所有都是標准的js語法,這個emit函數是非常重要的，可以這樣理解，當所有需要計算的文檔（因為在mapReduce時，可以對文檔進行過濾，接下來會講到）執行完了map函數，map函數會返回key_values對，key即是emit中的第一個參數key，values是對應同一key的emit的n個第二個參數組成的數組。這個key_values會作為參數傳遞給reduce，分別作為第1.2個參數。
reduce函數的任務就是將key-values變成key-value，也就是把values數組變成一個單一的值value。當key-values中的values數組過大時，會被再切分成很多個小的key-values塊，然後分別執行Reduce函數，再將多個塊的結果組合成一個新的數組，作為Reduce函數的第二個參數，繼續Reducer操作。可以預見，如果我們初始的values非常大，可能還會對第一次分塊計算後組成的集合再次Reduce。這就類似於多階的歸並排序了。具體會有多少重，就看數據量了。
reduce一定要能被反復調用，不論是映射環節還是前一個簡化環節。所以reduce返回的文檔必須能作為reduce的第二個參數的一個元素。
（當書寫Map函數時，emit的第二個參數組成數組成了reduce函數的第二個參數，而Reduce函數的返回值，跟emit函數的第二個參數形式要一致，多個reduce函數的返回值可能會組成數組作為新的第二個輸入參數再次執行Reduce操作。）
MapReduce函數的參數列表如下：
復制代碼 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]
}
);
或者這麼寫：
復制代碼 代碼如下:
db.collection.mapReduce(
<map>,
<reduce>,
{
<out>,
<query>,
<sort>,
<limit>,
<keytemp>,
<finalize>,
<scope>,
<jsMode>,
<verbose>
}
)
1.mapreduce：指定要進行mapreduce處理的collection
2.map：map函數
3.reduce：reduce函數
4.out：輸出結果的collection的名字，不指定會默認創建一個隨機名字的collection（如果使用了out選項，就不必指定keeptemp：true了，因為已經隱含在其中了）
5.query：一個篩選條件，只有滿足條件的文檔才會調用map函數。（query。limit，sort可以隨意組合）
6.sort：和limit結合的sort排序參數（也是在發往map函數前給文檔排序），可以優化分組機制
7.limit：發往map函數的文檔數量的上限（要是沒有limit，單獨使用sort的用處不大）
8.keytemp：true或false，表明結果輸出到的collection是否是臨時的，如果想在連接關閉後仍然保留這個集合，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後才會刪除。如果是腳本執行，腳本退出或調用close會自動刪除結果collection
9.finalize：是函數，它會在執行完map、reduce後再對key和value進行一次計算並返回一個最終結果，這是處理過程的最後一步，所以finalize就是一個計算平均數，剪裁數組，清除多余信息的恰當時機
10.scope：javascript代碼中要用到的變量，在這裡定義的變量在map，reduce，finalize函數中可見
11.verbose：用於調試的詳細輸出選項，如果想看MpaReduce的運行過程，可以設置其為true。也可以print把map，reduce，finalize過程中的信息輸出到服務器日志上。
執行MapReduce函數返回的文檔結構如下：
復制代碼 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：儲存結果的collection的名字,這是個臨時集合，MapReduce的連接關閉後自動就被刪除了。
2.timeMillis：執行花費的時間，毫秒為單位
3.input：滿足條件被發送到map函數的文檔個數
4.emit：在map函數中emit被調用的次數，也就是所有集合中的數據總量
5.ouput：結果集合中的文檔個數（count對調試非常有幫助）
6.ok：是否成功，成功為1
7.err：如果失敗，這裡可以有失敗原因，不過從經驗上來看，原因比較模糊，作用不大
java代碼執行MapReduce的方法：
復制代碼 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());
}
}
