MongoDB（课时29 MapReduce）

3.7.4 MapReduce

MapReduce 是整个大数据的精髓所在（实际中别用，因为在MongoDB中属于最底层操作）。

MapReduce是一种计算模型，简单的说就是将大批量的工作分解执行，然后再将结果合并成最终结果。

MapReduce 就是分为两步处理数据：

• Map：将数据分别取出
• Reduce：负责数据的最后的处理

范例：建立一组雇员数据

db.emps.insert({"name": "张三", "age": 30, "sex": "男", "job": "CLERK", "salary": 1000});
db.emps.insert({"name": "李四", "age": 28, "sex": "女", "job": "CLERK", "salary": 5000});
db.emps.insert({"name": "王五", "age": 26, "sex": "男", "job": "MANAGER", "salary": 6000});
db.emps.insert({"name": "赵六", "age": 32, "sex": "女", "job": "MANAGER", "salary": 7000});
db.emps.insert({"name": "孙七", "age": 31, "sex": "男", "job": "CLERK", "salary": 2000});
db.emps.insert({"name": "王八", "age": 35, "sex": "女", "job": "PRESIDENT", "salary": 9000}); 

范例：按照职位分组，取得每个职位的人名 

第一步：编写分组的定义（即Map函数）：

    var jobMapFun = function(){

    　　emit(this.job, this.name); 　　//emit()函数表示每行数据按照job分组，取出name

    }; 

分析：

• Map函数调用emit(key, value)，遍历emps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)返回的键值对。
• emit()函数是按数据的分组走，比如第一组：{key : "CLERK"， values : [姓名, 姓名,...]}

第二步：编写 reduce 操作： 

    var jobReduceFun = function(key, values){

    　　return {"job": key, "names": values};

    }  

分析：reduce统计函数，reduce函数的任务是将key-values变为key-value，也就是把values数组变为一个单一的值value。

第三步：进行操作的整合：

db.runCommand({
    "mapreduce": "emps",
    "map": jobMapFun,
    "reduce": jobReduceFun,
    "out": "t_job_emp"
});

分析：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）

执行后所有结果都保存在"t_job_emp"集合里面。

或者将上面第三步换成如下第三步和第四步

第三步：针对MapReduce处理完成的数据实际上也可以执行一个最后的处理

var jobFinalizeFun = function(key, values){
    if(key == "PRESIDENT"){
        return {"job": key, "names": values, "info": "公司的老大"};
    }
    return {"job": key, "names": values};
} 

第四步：进行操作的整合

db.runCommand({
    "mapreduce": "emps",
    "map": jobMapFun,
    "reduce": jobReduceFun,
    "out": "t_job_emp",
    "finalize": jobFinalizeFun
});

现在执行之后，所有的处理结果都保存在 “t_job_emp” 集合里面，通过如下命令查看

db.t_job_emp.find()

范例：统计出性别的人数、平均工资、最低工资、雇员姓名。

var sexMapFun = function(){
　　// 定义好了分组的条件，以及每个集合要取出的内容
　　emit(this.sex, {"ccount" : 1, "csal" : this.salary, "cmax" : this.salary, "cmin" : this.salary, "cname" : this.name})                     
}

var sexReduceFun = function(key, values){
　　var total = 0;　　//统计
　　var sum = 0;　　//计算总工资
　　var max = values[0].cmax;　　//假设第一个数据是最高工资
　　var min = values[0].cmin;　　//假设第一个数据是最低工资
　　for (var x in values){　　　　　　// 表示循环取出里面的数据
　　　　total += values[x].ccount;　　//人数增加
　　　　sum += values[x].csal;　　　　//就可以循环取出所有的工资，并且累加
　　　　if (max < values[x].cmax){　　//不是最高工资
　　　　　　max = values[x].cmax;
　　　　}
　　　　if (min > values[x].cmin){　　//不是最低工资
　　　　　　min = values[x].cmin;
　　　　}
　　　　names[x] = values[x].cname　　//保存姓名
　　}
　　var avg = (sum / total).toFixed(2);　　//toFixed(2)设置成两位小数
　　//返回数据的处理结果
　　return {"count" : total, "avg" : avg, "sum" : sum, "max" : max, "min" : min, "names" : names};
}

db.runCommand({
　　"mapreduce" : "emps",
　　"map" : sexMapFun,
　　"reduce" : sexReduceFun,
　　"out" : "t_sex_emp"
}) 

现在执行之后，所有的处理结果都保存在“t_sex_emp”集合里面，通过如下命令查看：

db.t_sex_emp.find()