玩转mongodb（八）：分布式计算--MapReduce

    MongoDB提供了MapReduce的聚合工具来实现任意复杂的逻辑，它非常强大，非常灵活。MapReduce使用JavaScript作为“查询语言”，能够在多台服务器之间并行执行。它会将一个大问题拆分为多个小问题，将各个小问题发送到不同的机器上，每台机器只负责完成一部分工作。所有机器都完成时，再将这些零碎的解决方案合并为一个完整的解决方案。

    在一般情况下，MapReduce操作有2个阶段：第一个阶段是映射（map）阶段，处理每一个符合要求的文档（即每个符合要求的文档都执行一次map的方法），然后利用emit函数产生一些键和这些键对应的多个值（最后组成一个列表）。第二个阶段是化简（reduce）阶段，把列表中的值化简成一个单值。

    MapReduce使用自定义JavaScript函数执行map和reduce操作，具有极大的灵活性，但这种强大是有代价的，MapReduce非常慢，不应该用在实时的数据分析中。

    下面来看一个例子：

    主要的功能：计算出每个用户的状态为A的订单的总额。

    

 

    首先查找所有订单（如果mongodb有进行分片，则每个分片的订单都会找出来）状态为“A”的订单。

    然后每个订单都会执行map的方法，map方法主要是输出以cust_id为key，amount为value的一个键值对。紧跟着的一个步骤，是把所有相同的key的所有value，组成一个数组，传给后面的reduce。

    最后的reduce步骤，是把由map传回来的key/value的value进行求和，得到最终以每个用户（cust_id）为key，所有金额求和的值为value的结果。

    reduce步骤产生的结果，放在“order_totals”这个集合中。可以用db.order_totals.find()来查看这整个MapReduce的结果

 

　　喜欢请微信扫描下面二维码，关注我公众号--“精修Java”，做一些实战项目中的问题和解决方案分享。