# MongoDB Map Reduce Map-Reduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）。 MongoDB提供的Map-Reduce非常灵活，对于大规模数据分析也相当实用。 ## MapReduce 命令 以下是MapReduce的基本语法： ``` >db.collection.mapReduce( function() {emit(key,value);}, //map 函数 function(key,values) {return reduceFunction}, //reduce 函数 { out: collection, query: document, sort: document, limit: number } ) ``` 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 中所有的记录, 将key 与 value 传递给 Reduce 函数进行处理。 Map 函数必须调用 emit(key, value) 返回键值对。 参数说明: * **map** ：映射函数 (生成键值对序列,作为 reduce 函数参数)。 * **reduce** 统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。。 * **out** 统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)。 * **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） ## 使用 MapReduce 考虑以下文档结构存储用户的文章，文档存储了用户的 user_name 和文章的 status字段： ``` { "post_text": "w3cschool.cc 菜鸟教程，最全的技术文档。", "user_name": "mark", "status":"active" } ``` 现在，我们将在 posts 集合中使用 mapReduce 函数来选取已发布的文章，并通过user_name分组，计算每个用户的文章数： ``` >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 输出结果为： ``` { "result" : "post_total", "timeMillis" : 9, "counts" : { "input" : 4, "emit" : 4, "reduce" : 2, "output" : 2 }, "ok" : 1, } ``` 结果表明，共有4个符合查询条件（status:"active"）的文档， 在map函数中生成了4个键值对文档，最后使用reduce函数将相同的键值分为两组。 具体参数说明： * result：储存结果的collection的名字,这是个临时集合，MapReduce的连接关闭后自动就被删除了。 * timeMillis：执行花费的时间，毫秒为单位 * input：满足条件被发送到map函数的文档个数 * emit：在map函数中emit被调用的次数，也就是所有集合中的数据总量 * ouput：结果集合中的文档个数**（count对调试非常有帮助）** * ok：是否成功，成功为1 * err：如果失败，这里可以有失败原因，不过从经验上来看，原因比较模糊，作用不大 使用 find 操作符来查看 mapReduce 的查询结果： ``` >db.posts.mapReduce( function() { emit(this.user_id,1); }, function(key, values) {return Array.sum(values)}, { query:{status:"active"}, out:"post_total" } ).find() ``` 以上查询显示如下结果，两个用户 tom 和 mark 有两个发布的文章: ``` { "_id" : "tom", "value" : 2 } { "_id" : "mark", "value" : 2 } ``` 用类似的方式，MapReduce可以被用来构建大型复杂的聚合查询。 Map函数和Reduce函数可以使用 JavaScript 来实现，是的MapReduce的使用非常灵活和强大。