共计 2990 个字符,预计需要花费 8 分钟才能阅读完成。
MapReduce 可能计算非常复杂的聚合逻辑,非常灵活,然而,MapReduce 十分慢,不应该用于实时的数据分析中。MapReduce 可能在多台 Server 上并行执行,每台 Server 只负责实现一部分 wordload,最初将 wordload 发送到 Master Server 上合并,计算出最终的后果集,返回客户端。
MapReduce 的根本思维,如下图所示:
在这个例子中,咱们以一个求和为例。首先执行 Map 阶段,把一个大工作拆分成若干个小工作,每个小工作运行在不同的节点上,从而反对分布式计算,这个阶段叫做 Map(如蓝框所示);每个小工作输入的后果再进行二次计算,最初失去后果 55,这个阶段叫做 Reduce(如红框所示)。
应用 MapReduce 形式计算聚合,次要分为三步:Map,Shuffle(拼凑)和 Reduce,Map 和 Reduce 须要显式定义,shuffle 由 MongoDB 来实现。
- Map:将操作映射到每个 doc,产生 Key 和 Value
- Shuffle:依照 Key 进行分组,并将 key 雷同的 Value 组合成数组
- Reduce:把 Value 数组化简为单值
咱们以上面的测试数据(员工数据)为例,来为大家演示。
db.emp.insert(
[{_id:7369,ename:'SMITH' ,job:'CLERK' ,mgr:7902,hiredate:'17-12-80',sal:800,comm:0,deptno:20},
{_id:7499,ename:'ALLEN' ,job:'SALESMAN' ,mgr:7698,hiredate:'20-02-81',sal:1600,comm:300 ,deptno:30},
{_id:7521,ename:'WARD' ,job:'SALESMAN' ,mgr:7698,hiredate:'22-02-81',sal:1250,comm:500 ,deptno:30},
{_id:7566,ename:'JONES' ,job:'MANAGER' ,mgr:7839,hiredate:'02-04-81',sal:2975,comm:0,deptno:20},
{_id:7654,ename:'MARTIN',job:'SALESMAN' ,mgr:7698,hiredate:'28-09-81',sal:1250,comm:1400,deptno:30},
{_id:7698,ename:'BLAKE' ,job:'MANAGER' ,mgr:7839,hiredate:'01-05-81',sal:2850,comm:0,deptno:30},
{_id:7782,ename:'CLARK' ,job:'MANAGER' ,mgr:7839,hiredate:'09-06-81',sal:2450,comm:0,deptno:10},
{_id:7788,ename:'SCOTT' ,job:'ANALYST' ,mgr:7566,hiredate:'19-04-87',sal:3000,comm:0,deptno:20},
{_id:7839,ename:'KING' ,job:'PRESIDENT',mgr:0,hiredate:'17-11-81',sal:5000,comm:0,deptno:10},
{_id:7844,ename:'TURNER',job:'SALESMAN' ,mgr:7698,hiredate:'08-09-81',sal:1500,comm:0,deptno:30},
{_id:7876,ename:'ADAMS' ,job:'CLERK' ,mgr:7788,hiredate:'23-05-87',sal:1100,comm:0,deptno:20},
{_id:7900,ename:'JAMES' ,job:'CLERK' ,mgr:7698,hiredate:'03-12-81',sal:950,comm:0,deptno:30},
{_id:7902,ename:'FORD' ,job:'ANALYST' ,mgr:7566,hiredate:'03-12-81',sal:3000,comm:0,deptno:20},
{_id:7934,ename:'MILLER',job:'CLERK' ,mgr:7782,hiredate:'23-01-82',sal:1300,comm:0,deptno:10}
]
);
(案例一)求员工表中,每种职位的人数
var map1=function(){emit(this.job,1)}
var reduce1=function(job,count){return Array.sum(count)}
db.emp.mapReduce(map1,reduce1,{out:"mrdemo1"})
(案例二)求员工表中,每个部门的工资总和
var map2=function(){emit(this.deptno,this.sal)}
var reduce2=function(deptno,sal){return Array.sum(sal)}
db.emp.mapReduce(map2,reduce2,{out:"mrdemo2"})
(案例三)Troubleshoot the Map Function
定义本人的 emit 函数:var emit = function(key, value) {print("emit");
print("key:" + key + "value:" + tojson(value));
}
测试一条数据:emp7839=db.emp.findOne({_id:7839})
map2.apply(emp7839)
输入以下后果:emit
key: 10 value: 5000
测试多条数据:var myCursor=db.emp.find()
while (myCursor.hasNext()) {var doc = myCursor.next();
print ("document _id=" + tojson(doc._id));
map2.apply(doc);
print();}
(案例四)Troubleshoot the Reduce Function
一个简略的测试案例
var myTestValues = [5, 5, 10];
var reduce1=function(key,values){return Array.sum(values)}
reduce1("mykey",myTestValues)
测试:Reduce 的 value 蕴含多个值
测试数据:薪水、奖金:var myTestObjects = [{ sal: 1000, comm: 5},
{sal: 2000, comm: 10},
{sal: 3000, comm: 15}
];
开发 reduce 办法:var reduce2=function(key,values) {reducedValue = { sal: 0, comm: 0};
for(var i=0;i<values.length;i++) {reducedValue.sal += values[i].sal;
reducedValue.comm += values[i].comm;
}
return reducedValue;
}
测试:reduce2("aa",myTestObjects)
正文完