# MongoDB Map Reduce Map-Reduce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，然后再將結果合并成最終結果（REDUCE）。 MongoDB提供的Map-Reduce非常靈活，對于大規模數據分析也相當實用。 ## MapReduce 命令 以下是MapReduce的基本語法： ``` >db.collection.mapReduce( function() {emit(key,value);}, //map 函數 function(key,values) {return reduceFunction}, //reduce 函數 { out: collection, query: document, sort: document, limit: number } ) ``` 使用 MapReduce 要實現兩個函數 Map 函數和 Reduce 函數,Map 函數調用 emit(key, value), 遍歷 collection 中所有的記錄, 將key 與 value 傳遞給 Reduce 函數進行處理。 Map 函數必須調用 emit(key, value) 返回鍵值對。 參數說明: * **map** ：映射函數 (生成鍵值對序列,作為 reduce 函數參數)。 * **reduce** 統計函數，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。。 * **out** 統計結果存放集合 (不指定則使用臨時集合,在客戶端斷開后自動刪除)。 * **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） * **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 * **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） ## 使用 MapReduce 考慮以下文檔結構存儲用戶的文章，文檔存儲了用戶的 user_name 和文章的 status字段： ``` { "post_text": "w3cschool.cc 菜鳥教程，最全的技術文檔。", "user_name": "mark", "status":"active" } ``` 現在，我們將在 posts 集合中使用 mapReduce 函數來選取已發布的文章，并通過user_name分組，計算每個用戶的文章數： ``` >db.posts.mapReduce( function() { emit(this.user_id,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" } ) ``` 以上 mapReduce 輸出結果為： ``` { "result" : "post_total", "timeMillis" : 9, "counts" : { "input" : 4, "emit" : 4, "reduce" : 2, "output" : 2 }, "ok" : 1, } ``` 結果表明，共有4個符合查詢條件（status:"active"）的文檔， 在map函數中生成了4個鍵值對文檔，最后使用reduce函數將相同的鍵值分為兩組。 具體參數說明： * result：儲存結果的collection的名字,這是個臨時集合，MapReduce的連接關閉后自動就被刪除了。 * timeMillis：執行花費的時間，毫秒為單位 * input：滿足條件被發送到map函數的文檔個數 * 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 * ouput：結果集合中的文檔個數**（count對調試非常有幫助）** * ok：是否成功，成功為1 * err：如果失敗，這里可以有失敗原因，不過從經驗上來看，原因比較模糊，作用不大 使用 find 操作符來查看 mapReduce 的查詢結果： ``` >db.posts.mapReduce( function() { emit(this.user_id,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" } ).find() ``` 以上查詢顯示如下結果，兩個用戶 tom 和 mark 有兩個發布的文章: ``` { "_id" : "tom", "value" : 2 } { "_id" : "mark", "value" : 2 } ``` 用類似的方式，MapReduce可以被用來構建大型復雜的聚合查詢。 Map函數和Reduce函數可以使用 JavaScript 來實現，是的MapReduce的使用非常靈活和強大。