欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

MongoDB中的MapReduce簡介

 更新時間:2015年05月07日 12:38:13   投稿:junjie  
這篇文章主要介紹了MongoDB中的MapReduce簡介,MapReduce是一種計算模型,簡單的說就是將大批量的工作(數(shù)據(jù))分解(MAP)執(zhí)行,然后再將結(jié)果合并成最終結(jié)果(REDUCE),需要的朋友可以參考下

MongoDB MapReduce

MapReduce是一種計算模型,簡單的說就是將大批量的工作(數(shù)據(jù))分解(MAP)執(zhí)行,然后再將結(jié)果合并成最終結(jié)果(REDUCE)。這樣做的好處是可以在任務(wù)被分解后,可以通過大量機器進(jìn)行并行計算,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(yīng)用,下面以MongoDB MapReduce為例說明。

下面是MongoDB官方的一個例子:

復(fù)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(biāo)簽系統(tǒng)中每個標(biāo)簽出現(xiàn)的次數(shù)。

這里面,除了emit函數(shù)之外,所有都是標(biāo)準(zhǔn)的js語法,這個emit函數(shù)是非常重要的,可以這樣理解,當(dāng)所有需要計算的文檔(因為在mapReduce時,可以對文檔進(jìn)行過濾,接下來會講到)執(zhí)行完了map函數(shù),map函數(shù)會返回key_values對,key即是emit中的第一個參數(shù)key,values是對應(yīng)同一key的emit的n個第二個參數(shù)組成的數(shù)組。這個key_values會作為參數(shù)傳遞給reduce,分別作為第1.2個參數(shù)。

reduce函數(shù)的任務(wù)就是將key-values變成key-value,也就是把values數(shù)組變成一個單一的值value。當(dāng)key-values中的values數(shù)組過大時,會被再切分成很多個小的key-values塊,然后分別執(zhí)行Reduce函數(shù),再將多個塊的結(jié)果組合成一個新的數(shù)組,作為Reduce函數(shù)的第二個參數(shù),繼續(xù)Reducer操作??梢灶A(yù)見,如果我們初始的values非常大,可能還會對第一次分塊計算后組成的集合再次Reduce。這就類似于多階的歸并排序了。具體會有多少重,就看數(shù)據(jù)量了。

reduce一定要能被反復(fù)調(diào)用,不論是映射環(huán)節(jié)還是前一個簡化環(huán)節(jié)。所以reduce返回的文檔必須能作為reduce的第二個參數(shù)的一個元素。

(當(dāng)書寫Map函數(shù)時,emit的第二個參數(shù)組成數(shù)組成了reduce函數(shù)的第二個參數(shù),而Reduce函數(shù)的返回值,跟emit函數(shù)的第二個參數(shù)形式要一致,多個reduce函數(shù)的返回值可能會組成數(shù)組作為新的第二個輸入?yún)?shù)再次執(zhí)行Reduce操作。)

MapReduce函數(shù)的參數(shù)列表如下:

復(fù)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]
 }
);

或者這么寫:
復(fù)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(jìn)行mapreduce處理的collection
2.map:map函數(shù)
3.reduce:reduce函數(shù)
4.out:輸出結(jié)果的collection的名字,不指定會默認(rèn)創(chuàng)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(jīng)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(diào)用map函數(shù)。(query。limit,sort可以隨意組合)
6.sort:和limit結(jié)合的sort排序參數(shù)(也是在發(fā)往map函數(shù)前給文檔排序),可以優(yōu)化分組機制
7.limit:發(fā)往map函數(shù)的文檔數(shù)量的上限(要是沒有l(wèi)imit,單獨使用sort的用處不大)
8.keytemp:true或false,表明結(jié)果輸出到的collection是否是臨時的,如果想在連接關(guān)閉后仍然保留這個集合,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后才會刪除。如果是腳本執(zhí)行,腳本退出或調(diào)用close會自動刪除結(jié)果collection
9.finalize:是函數(shù),它會在執(zhí)行完map、reduce后再對key和value進(jìn)行一次計算并返回一個最終結(jié)果,這是處理過程的最后一步,所以finalize就是一個計算平均數(shù),剪裁數(shù)組,清除多余信息的恰當(dāng)時機
10.scope:javascript代碼中要用到的變量,在這里定義的變量在map,reduce,finalize函數(shù)中可見
11.verbose:用于調(diào)試的詳細(xì)輸出選項,如果想看MpaReduce的運行過程,可以設(shè)置其為true。也可以print把map,reduce,finalize過程中的信息輸出到服務(wù)器日志上。

執(zhí)行MapReduce函數(shù)返回的文檔結(jié)構(gòu)如下:

復(fù)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(jié)果的collection的名字,這是個臨時集合,MapReduce的連接關(guān)閉后自動就被刪除了。
2.timeMillis:執(zhí)行花費的時間,毫秒為單位
3.input:滿足條件被發(fā)送到map函數(shù)的文檔個數(shù)
4.emit:在map函數(shù)中emit被調(diào)用的次數(shù),也就是所有集合中的數(shù)據(jù)總量
5.ouput:結(jié)果集合中的文檔個數(shù)(count對調(diào)試非常有幫助)
6.ok:是否成功,成功為1
7.err:如果失敗,這里可以有失敗原因,不過從經(jīng)驗上來看,原因比較模糊,作用不大

java代碼執(zhí)行MapReduce的方法:

復(fù)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()); 
        } 
    } 

相關(guān)文章

  • mongodb 添加用戶及權(quán)限設(shè)置詳解

    mongodb 添加用戶及權(quán)限設(shè)置詳解

    我知道的關(guān)系型數(shù)據(jù)庫都是有權(quán)限控制的,什么用戶能訪問什么庫,什么表,什么用戶可以插入,更新,而有的用戶只有讀取權(quán)限。
    2014-07-07
  • 高效mongodb的php分頁類(不使用skip)

    高效mongodb的php分頁類(不使用skip)

    這篇文章主要介紹了高效mongodb的php分頁類,并且沒有使用mongodb的skip來實現(xiàn)分頁,需要的朋友可以參考下
    2014-05-05
  • mongoDB在windows下安裝與配置方案

    mongoDB在windows下安裝與配置方案

    本文詳細(xì)介紹了在windows系統(tǒng)下安裝與配置mongoDB的詳細(xì)過程,非常的全面,有需要的小伙伴自己參考下吧
    2014-12-12
  • MongoDB集合的增刪改查管理

    MongoDB集合的增刪改查管理

    這篇文章介紹了MongoDB集合的增刪改查管理,文中通過示例代碼介紹的非常詳細(xì)。對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2022-07-07
  • 一文帶你深入掌握MongoDB查詢分析的關(guān)鍵技巧

    一文帶你深入掌握MongoDB查詢分析的關(guān)鍵技巧

    MongoDB 是一款靈活且可擴展的NoSQL數(shù)據(jù)庫,為了提高其性能,我們可以采取一些優(yōu)化技巧,這篇文章主要給大家介紹了關(guān)于MongoDB查詢分析關(guān)鍵技巧的相關(guān)資料,需要的朋友可以參考下
    2024-06-06
  • Mongodb 數(shù)據(jù)類型及Mongoose常用CURD

    Mongodb 數(shù)據(jù)類型及Mongoose常用CURD

    MongoDB 是一個開源的 NoSQL 數(shù)據(jù)庫,相比 MySQL 那樣的關(guān)系型數(shù)據(jù)庫,它更為輕巧、靈活,非常適合在數(shù)據(jù)規(guī)模很大、事務(wù)性不強的場合下使用,本文給大家介紹Mongodb 數(shù)據(jù)類型及Mongoose常用CURD,感興趣的朋友一起學(xué)習(xí)吧
    2016-01-01
  • mongodb索引知識_動力節(jié)點Java學(xué)院整理

    mongodb索引知識_動力節(jié)點Java學(xué)院整理

    這篇文章給大家介紹了mongodb索引的建立,刪除索引的方法以及唯一索引和組合索引的知識,感興趣的朋友一起看看吧
    2017-08-08
  • Mongodb增加、移除Shard Server實例

    Mongodb增加、移除Shard Server實例

    這篇文章主要介紹了Mongodb增加、移除Shard Server實例,shard服務(wù)器(Shard Server).Shard服務(wù)器是存儲實際數(shù)據(jù)的分片,每個Shard可以是一個mongod實例,也可以是一組mongod實例構(gòu)成的Replica Sets,需要的朋友可以參考下
    2015-01-01
  • Mongodb常見操作符和運算符總結(jié)

    Mongodb常見操作符和運算符總結(jié)

    MongoDB 提供了豐富的操作符(Operators)和運算符(Expressions)用于在查詢和更新文檔時指定條件和操作數(shù)據(jù),本文將通過代碼示例給大家詳細(xì)的總結(jié)一下Mongodb常見操作符和運算符,需要的朋友可以參考下
    2024-01-01
  • MongoDB的chunk詳解

    MongoDB的chunk詳解

    這篇文章主要介紹了MongoDB的chunk的相關(guān)資料,幫助大家更好的理解和學(xué)習(xí)使用MongoDB數(shù)據(jù)庫,感興趣的朋友可以了解下
    2021-04-04

最新評論