mongoDB实现MapReduce

一、MongoDB Map Reduce

Map-Reduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）。MongoDB提供的Map-Reduce非常灵活，对于大规模数据分析也相当实用。

基本语法：

db.collection.mapReduce(
   function() {emit(key,value);},  //map 函数
   function(key,values) {return reduceFunction}, //reduce 函数
   {
      out: collection,
      query: document,
      sort: document,
      limit: number
   }
)

使用 MapReduce 要实现两个函数 Map 函数和 Reduce 函数,Map 函数调用 emit(key, value), 遍历 collection 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) 返回键值对。

参数说明:

• map ：映射函数 (生成键值对序列,作为 reduce 函数参数)。
• reduce 统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。。
• 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)。
• query 一个筛选条件，只有满足条件的文档才会调用map函数。（query。limit，sort可以随意组合）
• sort 和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制
• limit 发往map函数的文档数量的上限（要是没有limit，单独使用sort的用处不大）

二、示例

我们通过下面的一个例子来理解上面的概念

mongodb的student集合中存在以下数据：

/* 1 */
{
    "_id" : ObjectId("5c735e26b21aeac107319873"),
    "stu_name" : "张三",
    "course" : "英语",
    "score" : 70,
    "level" : "C"
}

/* 2 */
{
    "_id" : ObjectId("5c735e26b21aeac107319874"),
    "stu_name" : "张三",
    "course" : "数学",
    "score" : 95,
    "level" : "A"
}

/* 3 */
{
    "_id" : ObjectId("5c735e26b21aeac107319875"),
    "stu_name" : "张三",
    "course" : "语文",
    "score" : 91,
    "level" : "A"
}

/* 4 */
{
    "_id" : ObjectId("5c735e26b21aeac107319876"),
    "stu_name" : "张三",
    "course" : "历史",
    "score" : 98,
    "level" : "A"
}

/* 5 */
{
    "_id" : ObjectId("5c735e26b21aeac107319877"),
    "stu_name" : "李四",
    "course" : "数学",
    "score" : 88,
    "level" : "B"
}

/* 6 */
{
    "_id" : ObjectId("5c735e26b21aeac107319878"),
    "stu_name" : "李四",
    "course" : "英语",
    "score" : 93,
    "level" : "A"
}

/* 7 */
{
    "_id" : ObjectId("5c735e26b21aeac107319879"),
    "stu_name" : "李四",
    "course" : "语文",
    "score" : 99,
    "level" : "A"
}

要求：统计出每个学生的level为A的成绩的总和，并按学生名字进行分组显示

其执行的逻辑过程如下图所示：

在mongo shell里面执行：

db.student.mapReduce( 
   function() { emit(this.stu_name,this.score); }, 
   function(key, values) {return Array.sum(values)}, 
      {  
         query:{level:"A"},  
         out:"total_score" 
      }
)

/* 1 */
{
    "result" : "total_score",
    "timeMillis" : 171.0,
    "counts" : {
        "input" : 5,
        "emit" : 5,
        "reduce" : 2,
        "output" : 2
    },
    "ok" : 1.0
}

结果表明，共有 5 个符合查询条件（"level":"A"）的student， 在map函数中生成了 5 个键值对文档，最后使用reduce函数将相同的键值分为 2 组。

具体参数说明：

• result：储存结果的collection的名字,这是个临时集合，MapReduce的连接关闭后自动就被删除了。
• timeMillis：执行花费的时间，毫秒为单位
• input：满足条件被发送到map函数的文档个数
• emit：在map函数中emit被调用的次数，也就是所有集合中的数据总量
• ouput：结果集合中的文档个数（count对调试非常有帮助）
• ok：是否成功，成功为1
• err：如果失败，这里可以有失败原因，不过从经验上来看，原因比较模糊，作用不大

查看真正的统计结果：

三、用spring-boot-starter-data-mongodb来实现上面的操作

 1、新建maven工程：mongo-mapreduce

引入springboot依赖和mongodb依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.mongo.mapreduce</groupId>
    <artifactId>mongo-mapreduce</artifactId>
    <version>1.0-SNAPSHOT</version>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>1.4.1.RELEASE</version>
    </parent>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-mongodb</artifactId>
            <exclusions>
                <exclusion>
                    <artifactId>spring-boot-starter-logging</artifactId>
                    <groupId>org.springframework.boot</groupId>
                </exclusion>
            </exclusions>
        </dependency>

    </dependencies>
</project>

2、创建配置文件application.yml，map函数：map.js，reduce函数：reduce.js

server:
  port: 8084
  context-path: /
spring:
  data:
    mongodb:
      uri: mongodb://admin:admin@172.16.1.11:27017,172.16.1.11:27018/testdb?AutoConnectRetry=true

map.js

function() {
    emit(this.stu_name,this.score);
}

reduce.js

function(key,values) {
    var sum = 0;
    for (var i = 0; i < values.length; i++)
        sum += values[i];
    return sum;
}

3、创建springboot启动主类

package com.mongo.mapreduce;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

/**
 * @author Administrator
 * @date 2019/02/25
 */
@SpringBootApplication
public class Application {
    public static void main(String[] args){
        SpringApplication.run(Application.class, args);
    }
}

4、创建接收mapreduce结果的实体类

package com.mongo.mapreduce.model;

/**
 * @author Administrator
 * @date 2019/02/25
 */
public class MapReduceResult {
    private String id;
    private Integer value;

    public String getId() {
        return id;
    }

    public void setId(String id) {
        this.id = id;
    }

    public Integer getValue() {
        return value;
    }

    public void setValue(Integer value) {
        this.value = value;
    }
}

5、创建controller

package com.mongo.mapreduce.controller;

import com.mongo.mapreduce.model.MapReduceResult;
import com.sun.beans.decoder.ValueObject;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.mongodb.core.MongoTemplate;
import org.springframework.data.mongodb.core.mapreduce.MapReduceOptions;
import org.springframework.data.mongodb.core.mapreduce.MapReduceResults;
import org.springframework.data.mongodb.core.query.Criteria;
import org.springframework.data.mongodb.core.query.Query;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestMethod;
import org.springframework.web.bind.annotation.RestController;

import java.util.List;

/**
 * @author Administrator
 * @date 2019/02/25
 */
@RestController
@RequestMapping("/map-reduce")
public class TestController {

    @Autowired
    private MongoTemplate mongoTemplate;

    @RequestMapping(value = "/result",method = RequestMethod.GET)
    public void postTest(){
        //删除_id不等于空的数据，等于删除所有数据，目的是清空上一次mapreduce的结果
        Criteria criteria=new Criteria("_id");
        criteria.ne("");
        Query query = new Query(criteria);
        mongoTemplate.remove(query,"total_score");

        //执行map reduce操作
        Criteria criteria1=new Criteria("level");
        criteria1.is("A");
        Query query1 = new Query(criteria1);
        MapReduceOptions options = MapReduceOptions.options();
        options.outputCollection("total_score");
        options.outputTypeReduce();
        MapReduceResults<MapReduceResult> reduceResults =
                mongoTemplate.mapReduce(query1,"student",
                        "classpath:map.js",
                        "classpath:reduce.js",
                        options,
                        MapReduceResult.class);
        for(MapReduceResult reduceResult:reduceResults){
            System.out.println("map reduce的结果如下：=========");
            System.out.println("姓名："+reduceResult.getId()+",A的总分："+reduceResult.getValue());
        }
    }
}

6、用postman调用