在mongo
外壳中,该db.collection.mapReduce()
方法是mapReduce
命令的包装。以下示例使用该db.collection.mapReduce()
方法:
聚合管道作为替代
聚合流水线 比map-reduce提供更好的性能和更一致的接口。
各种地图-减少表达式可以使用被重写聚合管道运营商,诸如$group
,
$merge
等
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:
对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
:
定义地图功能来处理每个输入文档:
this
指的是map-reduce操作正在处理的文档。price
到cust_id
每个文档的,并发出cust_id
和price
对。用两个参数keyCustId
和定义相应的reduce函数
valuesPrices
:
valuesPrices
是一个数组,其元素是price
由地图功能发射并由分组值keyCustId
。valuesPrice
数组简化为其元素的总和。orders
使用mapFunction1
map函数和reduceFunction1
reduce函数对集合中的所有文档执行map-reduce 。
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。
查询map_reduce_example
集合以验证结果:
该操作返回以下文档:
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。ord_date
2020-03-01
item.sku
sku
sku
定义地图功能来处理每个输入文档:
this
指的是map-reduce操作正在处理的文档。sku
与一个新对象相关联,该对象value
包含订单的count
of 1
和item qty
并发出sku
and value
对。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。countObjVals
数组简化为reducedValue
包含count
和
qty
字段的单个对象。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
。定义有两个参数的函数敲定key
和
reducedVal
。该函数修改reducedVal
对象以添加一个名为的计算字段,avg
并返回修改后的对象:
在执行的map-reduce操作orders
使用集合mapFunction2
,reduceFunction2
和
finalizeFunction2
功能。
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该map-reduce操作的结果合并。即,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。
查询map_reduce_example2
集合以验证结果:
该操作返回以下文档: