实验六 MongoDB 聚合函数 MapReduce
【实验目的】:
- 掌握 mongodb 的 mapreduce 聚合函数。
【实验内容与要求】:
MongoDB 有两种聚合函数:aggregate 与 mapreduce
mapreduce 函数提供的是 mapreduce(编程模型)的聚合操作,下面我们来看一下:
第一部分:先导入数据
建立集合 sang_books,输入以下数据:
{"_id" : 1,"name" : "鲁迅","book" : "呐喊","price" : 38.0,"publisher" : "人民文学出版社"}
{"_id" : 2,"name" : "曹雪芹","book" : "红楼梦","price" : 22.0,"publisher" : "人民文学出版
社"}
{"_id" :3,"name" : "钱钟书","book" : "宋诗选注","price" : 99.0,"publisher" : "人民文学出
版社"}
{"_id" : 4,"name" : "钱钟书","book" : "谈艺录","price" : 66.0,"publisher" : "三联书店"}
{"_id" :5,"name" : "鲁迅","book" : "彷徨","price" : 55.0,"publisher" : "花城出版社"}
(1) 查询每位作者所出的书的总价,操作如下:
var map=function(){emit(this.name,this.price)}
var reduce=function(key,value){return Array.sum(value)}
var options={out:"totalPrice"}
db.sang_books.mapReduce(map,reduce,options);
db.totalPrice.find()
(
2) 查询每个人售价在¥40 以上的书:
var map=function(){emit(this.name,this.book)}
var reduce=function(key,value){return value.join(',')}
var options={query:{price:{$gt:40}},out:"books"}
db.sang_books.mapReduce(map,reduce,options);
db.books.find()
注:query 表示对查到的集合再进行筛选。
第二部分:先导入数据。
编写 python 程序导入数据至数据库淘宝,集合为 order_info
python
from pymongo import MongoClient
from random import randint
import datetime
client = MongoClient('mongodb://192.168.226.132:27017/')
db = client.taobao
order = db.order_info
status = ['A','B','C']
cust_id = ['A123','B123','C123']
price = [500,200,250,300]
sku = ['mmm','nnn']
for i in range(1,100):
items = []
item_count =randint(2,6)
for n in range(item_count):
items.append({"sku":sku[randint(0,1)],"qty":randint(1,10),"price":randint(0,5)})
new = {
"status":status[randint(0,2)],
"cust_id":cust_id[randint(0,2)],
"price":price[randint(0,3)],
"ord_date":datetime.datetime.utcnow(),
"items":items
}
print(new)
order.insert_one(new)
print(order.estimated_document_count())
2.查看数据格式
题目一:查询每个 cust_id 的所有 price 总和
1.定义 map 函数:
var mapFunction1 = function() {
emit(this.cust_id, this.price);
};
2.定义 reduce 函数:
var reduceFunction1 = function(keyCustId, valuesPrices) {
return Array.sum(valuesPrices);
};
3.执行 mapreduce,输出结果到当前 db 的 map_reduce_example 集合中:
db.order_info.mapReduce(
mapFunction1,
reduceFunction1,
{ out: "map_reduce_example" }
)
4.查询结果
题目二:计算所有 items 的平均库存
1.map 函数
var mapFunction2 = function() {
for (var idx = 0; idx < this.items.length; idx++) {
var key = this.items[idx].sku;
var value = {
count: 1,
qty: this.items[idx].qty
};
emit(key, value);
}
};
2.reduce 函数
var reduceFunction2 = function(keySKU, countObjVals) {
reducedVal = { count: 0, qty: 0 };
for (var idx = 0; idx < countObjVals.length; idx++) {
reducedVal.count += countObjVals[idx].count;
reducedVal.qty += countObjVals[idx].qty;
}
return reducedVal;
};
3.finalize 函数
var finalizeFunction2 = function (key, reducedVal) {
reducedVal.avg = reducedVal.qty/reducedVal.count;
return reducedVal;
};
4.执行 mapreduce
db.order_info.mapReduce( mapFunction2,
reduceFunction2,
{
out: { merge: "map_reduce_example" },
finalize: finalizeFunction2
}
)
5.查看执行结果
综上所述,使用 mapreduce 比 aggregate 复杂,但是更为灵活
思考题: MongoDB 中的 MapReduce 主要有哪几个过程?
在 MongoDB 中,MapReduce 包括以下几个主要过程:
-
Map(映射):通过编写一个 JavaScript 函数,将输入数据集中的每个文档转换为键值对。这个函数被称为 "map" 函数。它可以根据需要提取文档中的字段,并生成一个或多个键值对。
-
Shuffle & Sort(洗牌和排序):在 Map 阶段之后,将所有生成的键值对进行排序和分组,以便于后续的 Reduce 阶段进行处理。这个过程是自动执行的,无需手动操作。
-
Reduce(缩减):对洗牌和排序后的键值对进行归约操作。使用一个 JavaScript 函数,将具有相同键的值进行聚合、计算或其他处理。这个函数被称为 "reduce" 函数。Reduce 阶段可以根据需要执行多次。
-
Finalize(最终化):可选的步骤,用于对 Reduce 阶段的结果进行最终的转换或处理。这个步骤允许进一步修改或处理最终的输出结果。
-
Output(输出):将最终处理的结果保存到指定的集合中,以供后续查询和分析使用。
通过上述过程,MapReduce 提供了一种强大的方式来对大规模数据集进行聚合和处理,并生成统计信息、计算结果等。
小结
学会使用 mongodb 的 mapreduce 聚合函数。
在本次实验中,我们学习了 MongoDB 的 MapReduce 聚合函数。主要内容包括:
-
了解 MongoDB 的两种聚合函数:aggregate 和 mapreduce。
-
着重学习了 mapreduce 函数的使用。
-
MapReduce 提供了一种基于编程模型的聚合操作。
-
MapReduce 过程包括 Map、Shuffle & Sort、Reduce、Finalize 和 Output 阶段。
-
Map 阶段将文档转换为键值对。
-
Shuffle & Sort 阶段对键值对进行排序和分组。
-
Reduce 阶段对具有相同键的值进行聚合处理。
-
可选的 Finalize 阶段对 Reduce 结果进行最终转换或处理。
-
输出结果保存到指定集合中供后续查询和分析使用。
通过掌握 MapReduce,可以利用 MongoDB 对大规模数据集进行聚合和处理,生成统计信息和计算结果等。这是一种强大的数据处理工具,在处理复杂数据操作和分析时非常有用。