Map-Reduce 示例

在本页面

mongo shell 中,db.collection.mapReduce()方法是MapReduce命令周围的 wrapper。以下示例使用db.collection.mapReduce()方法:

聚合管道作为替代

聚合管道 比map-reduce提供更好的性能和更一致的接口。

各种map-reduce表达式可以使用被重写聚合管道运算符,诸如$group$merge

下面的示例包括聚合管道备选方案。

orders使用以下文档创建样本集合:

db.orders.insertMany([
{ _id: 1, cust_id: "Ant O. Knee", ord_date: new Date("2020-03-01"), price: 25, items: [ { sku: "oranges", qty: 5, price: 2.5 }, { sku: "apples", qty: 5, price: 2.5 } ], status: "A" },
{ _id: 2, cust_id: "Ant O. Knee", ord_date: new Date("2020-03-08"), price: 70, items: [ { sku: "oranges", qty: 8, price: 2.5 }, { sku: "chocolates", qty: 5, price: 10 } ], status: "A" },
{ _id: 3, cust_id: "Busby Bee", ord_date: new Date("2020-03-08"), price: 50, items: [ { sku: "oranges", qty: 10, price: 2.5 }, { sku: "pears", qty: 10, price: 2.5 } ], status: "A" },
{ _id: 4, cust_id: "Busby Bee", ord_date: new Date("2020-03-18"), price: 25, items: [ { sku: "oranges", qty: 10, price: 2.5 } ], status: "A" },
{ _id: 5, cust_id: "Busby Bee", ord_date: new Date("2020-03-19"), price: 50, items: [ { sku: "chocolates", qty: 5, price: 10 } ], status: "A"},
{ _id: 6, cust_id: "Cam Elot", ord_date: new Date("2020-03-19"), price: 35, items: [ { sku: "carrots", qty: 10, price: 1.0 }, { sku: "apples", qty: 10, price: 2.5 } ], status: "A" },
{ _id: 7, cust_id: "Cam Elot", ord_date: new Date("2020-03-20"), price: 25, items: [ { sku: "oranges", qty: 10, price: 2.5 } ], status: "A" },
{ _id: 8, cust_id: "Don Quis", ord_date: new Date("2020-03-20"), price: 75, items: [ { sku: "chocolates", qty: 5, price: 10 }, { sku: "apples", qty: 10, price: 2.5 } ], status: "A" },
{ _id: 9, cust_id: "Don Quis", ord_date: new Date("2020-03-20"), price: 55, items: [ { sku: "carrots", qty: 5, price: 1.0 }, { sku: "apples", qty: 10, price: 2.5 }, { sku: "oranges", qty: 10, price: 2.5 } ], status: "A" },
{ _id: 10, cust_id: "Don Quis", ord_date: new Date("2020-03-23"), price: 25, items: [ { sku: "oranges", qty: 10, price: 2.5 } ], status: "A" }
])

返回每位客户的总价格

orders集合执行map-reduce操作,以对进行分组cust_id,并计算price每个的 的总和cust_id

  1. 定义map函数来处理每个输入文档:

  2. 在函数中,this指的是map-reduce操作正在处理的文档。

  3. 该函数将映射pricecust_id每个文档的,并发出cust_idprice对。

var mapFunction1 = function() {
emit(this.cust_id, this.price);
};
  1. 使用两个参数keyCustId和定义相应的reduce函数 valuesPrices

  2. valuesPrices是一个数组,其元素是price 由map功能发射并由分组值keyCustId

  3. 该函数将valuesPrice数组简化为其元素的总和。

var reduceFunction1 = function(keyCustId, valuesPrices) {
return Array.sum(valuesPrices);
};
  1. orders使用mapFunction1map函数和reduceFunction1 reduce函数对集合中的所有文档执行map-reduce 。

db.orders.mapReduce(
mapFunction1,
reduceFunction1,
{ out: "map_reduce_example" }
)

此操作将结果输出到名为的集合 map_reduce_example。如果map_reduce_example集合已经存在,则该操作将用此map-reduce操作的结果替换内容。

  1. 查询map_reduce_example集合以验证结果:

db.map_reduce_example.find().sort( { _id: 1 } )

​ 该操作返回以下文档:

{ "_id" : "Ant O. Knee", "value" : 95 }
{ "_id" : "Busby Bee", "value" : 125 }
{ "_id" : "Cam Elot", "value" : 60 }
{ "_id" : "Don Quis", "value" : 155 }

聚合替代

使用可用的聚合管道运算符,您可以重写map-reduce操作,而无需定义自定义函数:

db.orders.aggregate([
{ $group: { _id: "$cust_id", value: { $sum: "$price" } } },
{ $out: "agg_alternative_1" }
])
  1. $group由平台组cust_id并计算value字段(参见$sum)。该 value字段包含price每个的总计cust_id

    该阶段将以下文档输出到下一阶段:

    { "_id" : "Don Quis", "value" : 155 }
    { "_id" : "Ant O. Knee", "value" : 95 }
    { "_id" : "Cam Elot", "value" : 60 }
    { "_id" : "Busby Bee", "value" : 125 }
  2. 然后,$out将输出写入collection agg_alternative_1。或者,您可以使用 $merge代替$out

  3. 查询agg_alternative_1集合以验证结果:

    db.agg_alternative_1.find().sort( { _id: 1 } )

    该操作返回以下文档:

    { "_id" : "Ant O. Knee", "value" : 95 }
    { "_id" : "Busby Bee", "value" : 125 }
    { "_id" : "Cam Elot", "value" : 60 }
    { "_id" : "Don Quis", "value" : 155 }

用每个项目的平均数量计算订单和总数量

在此示例中,您将对值大于或等于的orders所有文档在集合上执行map-reduce操作 。工序按字段分组 ,并计算每个的订单数量和总订购量。然后,该操作将为每个值计算每个订单的平均数量,并将结果合并到输出集合中。合并结果时,如果现有文档的密钥与新结果相同,则该操作将覆盖现有文档。如果不存在具有相同密钥的文档,则该操作将插入该文档。

  1. 定义map函数来处理每个输入文档:

    • 在函数中,this指的是map-reduce操作正在处理的文档。

    • 对于每个商品,该函数将其sku与一个新对象相关联,该对象value包含订单的countof 1和该商品qty,并发出skuand value对。

    var mapFunction2 = function() {
    for (var idx = 0; idx < this.items.length; idx++) {
    var key = this.items[idx].sku;
    var value = { count: 1, qty: this.items[idx].qty };
    emit(key, value);
    }
    };
  2. 使用两个参数keySKU和定义相应的reduce函数 countObjVals

    • countObjVals是一个数组,其元素是映射到keySKU由map函数传递给reducer函数的分组值的对象。

    • 该函数将countObjVals数组简化为reducedValue包含countqty字段的单个对象。

    • 在中reducedVal,该count字段包含 count各个数组元素的qty字段总和,而该字段包含各个数组元素的 字段总和qty

    var reduceFunction2 = function(keySKU, countObjVals) {
    reducedVal = { count: 0, qty: 0 };
    for (var idx = 0; idx < countObjVals.length; idx++) {
    reducedVal.count += countObjVals[idx].count;
    reducedVal.qty += countObjVals[idx].qty;
    }
    return reducedVal;
    };
  3. 定义有两个参数的函数确定keyreducedVal。该函数修改reducedVal对象以添加一个名为avg的计算字段,并返回修改后的对象:

    var finalizeFunction2 = function (key, reducedVal) {
    reducedVal.avg = reducedVal.qty/reducedVal.count;
    return reducedVal;
    };
  4. 在执行的map-reduce操作orders使用集合mapFunction2reduceFunction2finalizeFunction2功能。

    db.orders.mapReduce(
    mapFunction2,
    reduceFunction2,
    {
    out: { merge: "map_reduce_example2" },
    query: { ord_date: { $gte: new Date("2020-03-01") } },
    finalize: finalizeFunction2
    }
    );

    此操作使用该query字段选择仅ord_date大于或等于的那些文档。然后将结果输出到集合 。new Date("2020-03-01") map_reduce_example2

    如果map_reduce_example2集合已经存在,则该操作会将现有内容与此map-reduce操作的结果合并。也就是说,如果现有文档具有与新结果相同的密钥,则该操作将覆盖现有文档。如果不存在具有相同密钥的文档,则该操作将插入该文档。

  5. 查询map_reduce_example2集合以验证结果:

    db.map_reduce_example2.find().sort( { _id: 1 } )

    该操作返回以下文档:

    { "_id" : "apples", "value" : { "count" : 3, "qty" : 30, "avg" : 10 } }
    { "_id" : "carrots", "value" : { "count" : 2, "qty" : 15, "avg" : 7.5 } }
    { "_id" : "chocolates", "value" : { "count" : 3, "qty" : 15, "avg" : 5 } }
    { "_id" : "oranges", "value" : { "count" : 6, "qty" : 58, "avg" : 9.666666666666666 } }
    { "_id" : "pears", "value" : { "count" : 1, "qty" : 10, "avg" : 10 } }

聚合替代

使用可用的聚合管道运算符,您可以重写map-reduce操作,而无需定义自定义函数:

db.orders.aggregate( [
{ $match: { ord_date: { $gte: new Date("2020-03-01") } } },
{ $unwind: "$items" },
{ $group: { _id: "$items.sku", qty: { $sum: "$items.qty" }, orders_ids: { $addToSet: "$_id" } } },
{ $project: { value: { count: { $size: "$orders_ids" }, qty: "$qty", avg: { $divide: [ "$qty", { $size: "$orders_ids" } ] } } } },
{ $merge: { into: "agg_alternative_3", on: "_id", whenMatched: "replace", whenNotMatched: "insert" } }
] )
  1. $match阶段仅选择ord_date大于或等于new Date("2020-03-01")的那些文档。

  2. $unwinds阶段按items数组字段细分文档,以输出每个数组元素的文档。例如:

    { "_id" : 1, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-01T00:00:00Z"), "price" : 25, "items" : { "sku" : "oranges", "qty" : 5, "price" : 2.5 }, "status" : "A" }
    { "_id" : 1, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-01T00:00:00Z"), "price" : 25, "items" : { "sku" : "apples", "qty" : 5, "price" : 2.5 }, "status" : "A" }
    { "_id" : 2, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 70, "items" : { "sku" : "oranges", "qty" : 8, "price" : 2.5 }, "status" : "A" }
    { "_id" : 2, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 70, "items" : { "sku" : "chocolates", "qty" : 5, "price" : 10 }, "status" : "A" }
    { "_id" : 3, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 50, "items" : { "sku" : "oranges", "qty" : 10, "price" : 2.5 }, "status" : "A" }
    { "_id" : 3, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 50, "items" : { "sku" : "pears", "qty" : 10, "price" : 2.5 }, "status" : "A" }
    { "_id" : 4, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-18T00:00:00Z"), "price" : 25, "items" : { "sku" : "oranges", "qty" : 10, "price" : 2.5 }, "status" : "A" }
    { "_id" : 5, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-19T00:00:00Z"), "price" : 50, "items" : { "sku" : "chocolates", "qty" : 5, "price" : 10 }, "status" : "A" }
    ...
  3. $group由平台组items.sku,计算每个SKU:

    • qty字段。该qty字段包含qty每个订单的总数items.sku(请参阅参考资料$sum)。

    • orders_ids列表。该orders_ids字段包含不同顺序的列表_id的对items.sku(参见 $addToSet)。

      { "_id" : "chocolates", "qty" : 15, "orders_ids" : [ 2, 5, 8 ] }
      { "_id" : "oranges", "qty" : 63, "orders_ids" : [ 4, 7, 3, 2, 9, 1, 10 ] }
      { "_id" : "carrots", "qty" : 15, "orders_ids" : [ 6, 9 ] }
      { "_id" : "apples", "qty" : 35, "orders_ids" : [ 9, 8, 1, 6 ] }
      { "_id" : "pears", "qty" : 10, "orders_ids" : [ 3 ] }
  4. $project阶段调整输出文档的形状以反映map-reduce的输出,该输出具有两个字段_idvalue。该$project设置:

    • value.count到的尺寸orders_ids数组。(请参阅$size

    • value.qtyqty输入文档的数量字段。

    • value.avg平均每笔订购的数量。(请参阅$divide$size

      { "_id" : "apples", "value" : { "count" : 4, "qty" : 35, "avg" : 8.75 } }
      { "_id" : "pears", "value" : { "count" : 1, "qty" : 10, "avg" : 10 } }
      { "_id" : "chocolates", "value" : { "count" : 3, "qty" : 15, "avg" : 5 } }
      { "_id" : "oranges", "value" : { "count" : 7, "qty" : 63, "avg" : 9 } }
      { "_id" : "carrots", "value" : { "count" : 2, "qty" : 15, "avg" : 7.5 } }
  5. 最后,$merge将输出写入collection agg_alternative_3。如果现有文档的密钥_id与新结果相同,则该操作将覆盖现有文档。如果不存在具有相同密钥的文档,则该操作将插入该文档。

  6. 查询agg_alternative_3集合以验证结果:

    db.agg_alternative_3.find().sort( { _id: 1 } )

    该操作返回以下文档:

    { "_id" : "apples", "value" : { "count" : 4, "qty" : 35, "avg" : 8.75 } }
    { "_id" : "carrots", "value" : { "count" : 2, "qty" : 15, "avg" : 7.5 } }
    { "_id" : "chocolates", "value" : { "count" : 3, "qty" : 15, "avg" : 5 } }
    { "_id" : "oranges", "value" : { "count" : 7, "qty" : 63, "avg" : 9 } }
    { "_id" : "pears", "value" : { "count" : 1, "qty" : 10, "avg" : 10 } }

译者:李冠飞

校对: