MongoDB中MapReduce编程模型使用实例

编辑：rootadmin

注：作者使用的MongoDB为2.4.7版本。单词计数示例：

插入用于单词计数的数据：

图个简洁，数据中没有包含标点符号。在mongo shell写入以下内容：

db.data.mapReduce的第一和第二个参数分别指定map和reduce，map的输入是集合中的每个文档，通过emit()生成键值对；而reduce则处理键的多个值。

mapReduce的第三个参数指明在内存中进行mapreduce并返回结果，运行结果如下：

results的值是MapReduce的处理结果，timeMillis指明花费的时间；counts中input指明了输入的文档数，emit指明了在map中调用emit的次数，reduce指明了reduce的次数（本例中如果单次次数为1则不需要reduce），output指明了输出的文档数目。

可以看到，键_id不再是自动生成，而是被reduce中的key取代。当然，也可以将结果输入到一个新的collection中，例如：之后查看mr_result集合中的内容即可：也可以使用db.runCommand执行mapreduce任务，这种方法为开发者提供了更多的选项，具体请见资料[1]。资料[2][3][4]提供了关于mapreduce更全面的内容。资料[5]给出了优化mapreduce任务的方法，资料[6]是资料[5]的一篇中文翻译。

应该注意的是，资料[5]中提到使用ScopedThread()创建线程，笔者在GUI工具Robomongo的shell中运行 new ScopedThread()时候报错： ReferenceError: ScopedThread is not defined (shell):1

不过在mongo shell中可以正常运行：

如果使用其他编程语言管理MongoDB，要用到线程时，应该使用该编程语言内置的线程。

关于mongodb实现的mapreduce，个人觉得如果支持多个MR任务平滑过渡就更好了。

推荐整理分享MongoDB中MapReduce编程模型使用实例，希望有所帮助，仅作参考，欢迎阅读内容。