MongoDB แผนที่ลด

แผนที่ลดเป็นแบบจำลองคอมพิวเตอร์เพียงแค่หมายความว่าเป็นกลุ่มของการทำงาน (ข้อมูล) การสลายตัว (MAP) เพื่อดำเนินการแล้วรวมผลเป็นผลสุดท้าย (ลด)

MongoDB มีแผนที่ลดมีความยืดหยุ่นมากสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่นอกจากนี้ยังมีการปฏิบัติค่อนข้าง

คำสั่ง MapReduce

ต่อไปนี้เป็นรูปแบบพื้นฐานของ MapReduce:

>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
   }
)

ฟังก์ชั่นการใช้ MapReduce เพื่อให้บรรลุทั้งสองฟังก์ชั่นแผนที่และลดฟังก์ชั่น, แผนที่เรียกฟังก์ชันปล่อย (คีย์ค่า) สำรวจเก็บรวบรวมในบันทึกทั้งหมดและค่าคีย์ถูกส่งไปยังฟังก์ชั่นลดสำหรับการประมวลผล

ฟังก์ชั่นแผนที่จะต้องเรียกปล่อย (คีย์ค่า) คืนคู่

พารามิเตอร์คำอธิบาย:

• แผนที่: ฟังก์ชั่นการทำแผนที่ (สร้างคีย์ลำดับลดค่าฟังก์ชัน)
• ลดฟังก์ชันทางสถิติงานคือการลดการทำงานที่สำคัญค่าเป็นค่าคีย์ที่เป็นค่าอาร์เรย์เป็นค่าค่าเดียว.
• ออกผลทางสถิติที่เก็บไว้ชุด (ไม่ได้ระบุการใช้งานของคอลเลกชันชั่วคราวลบโดยอัตโนมัติหลังจากที่ลูกค้าจะถอด)
• สภาพกรองแบบสอบถามเท่านั้นที่จะเป็นไปตามเงื่อนไขของเอกสารที่จะถูกเรียกว่าฟังก์ชั่นแผนที่(Query.limit เรียงลำดับสามารถผสม)
• จัดเรียงและวงเงินผูกพันเรียงลำดับพารามิเตอร์ (ยังเป็นอดีตเอกสารส่งไปยังฟังก์ชั่นแผนที่เพื่อเรียงลำดับ) คุณสามารถเพิ่มประสิทธิภาพกลไกการจัดกลุ่ม
• จำกัด จำนวนของเอกสารที่ส่งไปยังขีด จำกัด บนของฟังก์ชั่นแผนที่ (ถ้ามีไม่มีขีด จำกัด ของการจัดเรียงเพียงอย่างเดียวในการใช้งานเล็ก ๆ น้อย ๆ )

ใช้ MapReduce

พิจารณาโครงสร้างของเอกสารดังต่อไปนี้ในการจัดเก็บบทความเอกสารของผู้ใช้และร้านค้าผู้ใช้ user_name ช่องสถานะบทความ:

>db.posts.insert({
   "post_text": "本教程，最全的技术文档。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "本教程，最全的技术文档。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "本教程，最全的技术文档。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "本教程，最全的技术文档。",
   "user_name": "mark",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "本教程，最全的技术文档。",
   "user_name": "mark",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "本教程，最全的技术文档。",
   "user_name": "w3big",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "本教程，最全的技术文档。",
   "user_name": "w3big",
   "status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
   "post_text": "本教程，最全的技术文档。",
   "user_name": "w3big",
   "status":"active"
})
WriteResult({ "nInserted" : 1 })

ตอนนี้เราจะใช้โพสต์ตั้งค่าฟังก์ชั่น MapReduce เพื่อเลือกบทความที่ตีพิมพ์ (สถานะ: "ใช้งาน") และแพ็คเก็ต user_name คำนวณได้สำหรับผู้ใช้แต่ละกระทู้:

>db.posts.mapReduce( 
   function() { emit(this.user_name,1); }, 
   function(key, values) {return Array.sum(values)}, 
      {  
         query:{status:"active"},  
         out:"post_total" 
      }
)

ดังกล่าวข้างต้น MapReduce เอาท์พุท:

{
        "result" : "post_total",
        "timeMillis" : 23,
        "counts" : {
                "input" : 5,
                "emit" : 5,
                "reduce" : 1,
                "output" : 2
        },
        "ok" : 1
}

ผลการศึกษาพบว่าทั้งหมดสี่ตรงกับเกณฑ์การค้นหา (สถานะ: "ใช้งาน") สร้างเอกสารสี่ที่สำคัญในฟังก์ชั่นแผนที่ในเอกสารแล้วใช้ฟังก์ชันเดียวกันเพื่อลดที่สำคัญแบ่งออกเป็นสองกลุ่ม

พารามิเตอร์ที่เฉพาะเจาะจง:

• ผล: ผลการจัดเก็บชื่อคอลเลกชันนี้เป็นชุดชั่วคราวกลับปิดการเชื่อมต่ออัตโนมัติของ MapReduce ได้ถูกลบออก
• timeMillis: การดำเนินการต้องใช้เวลาในมิลลิวินาที
• การป้อนข้อมูล: จำนวนสภาพของเอกสารที่ถูกส่งไปยังฟังก์ชั่นแผนที่
• ปล่อย: ครั้งในฟังก์ชั่นแผนที่ปล่อยถูกเรียกว่าเป็นจำนวนเงินรวมของการเก็บรวบรวมข้อมูลทั้งหมด
• ouput: ผลการค้นหาจำนวนของเอกสารในการเก็บรวบรวม (นับเป็นประโยชน์มากสำหรับการแก้จุดบกพร่อง)
• ตกลง: ความสำเร็จความสำเร็จ 1
• ผิดพลาด: ถ้ามันล้มเหลวอาจจะมีเหตุผลที่จะล้มเหลว แต่จากประสบการณ์เหตุผลคือคลุมเครือไม่ได้มีประโยชน์มาก

ใช้ประกอบการค้นหาเพื่อดู MapReduce ผลการค้นหาของ:

>db.posts.mapReduce( 
   function() { emit(this.user_name,1); }, 
   function(key, values) {return Array.sum(values)}, 
      {  
         query:{status:"active"},  
         out:"post_total" 
      }
).find()

ผลที่ได้จากแบบสอบถามดังกล่าวจะแสดงด้านล่างมีทอมสองผู้ใช้และทำเครื่องหมายสองบทความที่ตีพิมพ์:

{ "_id" : "mark", "value" : 4 }
{ "_id" : "w3big", "value" : 1 }

ในลักษณะที่คล้ายกัน MapReduce สามารถนำมาใช้ในการสร้างขนาดใหญ่แบบสอบถามรวมที่ซับซ้อน

ฟังก์ชั่นแผนที่และลดฟังก์ชั่นสามารถดำเนินการได้โดยใช้ JavaScript, MapReduce ทำให้การใช้งานมีความยืดหยุ่นมากและมีประสิทธิภาพ