【趙強老師】在MongoDB中使用MapReduce方式計算聚合

MapReduce 能夠計算非常複雜的聚合邏輯，非常靈活，但是，MapReduce非常慢，不應該用於實時的數據分析中。MapReduce能夠在多臺Server上並行執行，每臺Server只負責完成一部分wordload，最後將wordload發送到Master Server上合併，計算出最終的結果集，返回客戶端。
MapReduce的基本思想，如下圖所示：

在這個例子中，我們以一個求和爲例。首先執行Map階段，把一個大任務拆分成若干個小任務，每個小任務運行在不同的節點上，從而支持分佈式計算，這個階段叫做Map（如藍框所示）；每個小任務輸出的結果再進行二次計算，最後得到結果55，這個階段叫做Reduce（如紅框所示）。

使用MapReduce方式計算聚合，主要分爲三步：Map，Shuffle（拼湊）和Reduce，Map和Reduce需要顯式定義，shuffle由MongoDB來實現。

• Map：將操作映射到每個doc，產生Key和Value
• Shuffle：按照Key進行分組，並將key相同的Value組合成數組
• Reduce：把Value數組化簡爲單值

我們以下面的測試數據（員工數據）爲例，來爲大家演示。

db.emp.insert(
[
{_id:7369,ename:'SMITH' ,job:'CLERK'    ,mgr:7902,hiredate:'17-12-80',sal:800,comm:0,deptno:20},
{_id:7499,ename:'ALLEN' ,job:'SALESMAN' ,mgr:7698,hiredate:'20-02-81',sal:1600,comm:300 ,deptno:30},
{_id:7521,ename:'WARD'  ,job:'SALESMAN' ,mgr:7698,hiredate:'22-02-81',sal:1250,comm:500 ,deptno:30},
{_id:7566,ename:'JONES' ,job:'MANAGER'  ,mgr:7839,hiredate:'02-04-81',sal:2975,comm:0,deptno:20},
{_id:7654,ename:'MARTIN',job:'SALESMAN' ,mgr:7698,hiredate:'28-09-81',sal:1250,comm:1400,deptno:30},
{_id:7698,ename:'BLAKE' ,job:'MANAGER'  ,mgr:7839,hiredate:'01-05-81',sal:2850,comm:0,deptno:30},
{_id:7782,ename:'CLARK' ,job:'MANAGER'  ,mgr:7839,hiredate:'09-06-81',sal:2450,comm:0,deptno:10},
{_id:7788,ename:'SCOTT' ,job:'ANALYST'  ,mgr:7566,hiredate:'19-04-87',sal:3000,comm:0,deptno:20},
{_id:7839,ename:'KING'  ,job:'PRESIDENT',mgr:0,hiredate:'17-11-81',sal:5000,comm:0,deptno:10},
{_id:7844,ename:'TURNER',job:'SALESMAN' ,mgr:7698,hiredate:'08-09-81',sal:1500,comm:0,deptno:30},
{_id:7876,ename:'ADAMS' ,job:'CLERK'    ,mgr:7788,hiredate:'23-05-87',sal:1100,comm:0,deptno:20},
{_id:7900,ename:'JAMES' ,job:'CLERK'    ,mgr:7698,hiredate:'03-12-81',sal:950,comm:0,deptno:30},
{_id:7902,ename:'FORD'  ,job:'ANALYST'  ,mgr:7566,hiredate:'03-12-81',sal:3000,comm:0,deptno:20},
{_id:7934,ename:'MILLER',job:'CLERK'    ,mgr:7782,hiredate:'23-01-82',sal:1300,comm:0,deptno:10}
]
);

（案例一）求員工表中，每種職位的人數

var map1=function(){emit(this.job,1)}
var reduce1=function(job,count){return Array.sum(count)}
db.emp.mapReduce(map1,reduce1,{out:"mrdemo1"})

（案例二）求員工表中，每個部門的工資總和

var map2=function(){emit(this.deptno,this.sal)}
var reduce2=function(deptno,sal){return Array.sum(sal)}
db.emp.mapReduce(map2,reduce2,{out:"mrdemo2"})

（案例三）Troubleshoot the Map Function

定義自己的emit函數：
var emit = function(key, value) {
print("emit");
print("key: " + key + "  value: " + tojson(value));
}

測試一條數據：
emp7839=db.emp.findOne({_id:7839})
map2.apply(emp7839)
輸出以下結果：
emit
key: 10  value: 5000

測試多條數據：
var myCursor=db.emp.find()
while (myCursor.hasNext()) {
    var doc = myCursor.next();
    print ("document _id= " + tojson(doc._id));
    map2.apply(doc);
    print();
}

（案例四）Troubleshoot the Reduce Function

一個簡單的測試案例
var myTestValues = [ 5, 5, 10 ];
var reduce1=function(key,values){return Array.sum(values)}
reduce1("mykey",myTestValues)

測試：Reduce的value包含多個值
測試數據：薪水、獎金：
var myTestObjects = [
                      { sal: 1000, comm: 5 },
                      { sal: 2000, comm: 10 },
                      { sal: 3000, comm: 15 }
                    ];
開發reduce方法：
var reduce2=function(key,values) {
   reducedValue = { sal: 0, comm: 0 };
   for(var i=0;i<values.length;i++) {
     reducedValue.sal += values[i].sal;
     reducedValue.comm += values[i].comm;
   }  
   return reducedValue;
}

測試：
reduce2("aa",myTestObjects)