mongodbmapreduce使用总结

大家都知道，mongodb是一个非关系型数据库，也就是说，mongodb数据库中的每张表是独立存在的，表与表之间没有任何依赖关系。在mongodb中，除了各种CRUD语句之外，还给我们提供了聚合和mapreduce统计的功能，这篇文章主要来跟大家聊聊mongodb的mapreduce的操

大家都知道，mongodb是一个非关系型数据库，也就是说，mongodb数据库中的每张表是独立存在的，表与表之间没有任何依赖关系。在mongodb中，除了各种CRUD语句之外，还给我们提供了聚合和mapreduce统计的功能，这篇文章主要来跟大家聊聊mongodb的mapreduce的操作。

mapreduce的概念我就不赘述了，大家自己去查查吧。

在mongodb中，mapreduce的语法如下：

db.table.mapReduce(
        map,
        reduce,
        {
            query: query,
            out: out,    //指定结果集以什么方式存储，可选参数包括：
                        //replace:如果文档(table)存在，则替换table，
                        //merge:如果文档中存在记录，则覆盖已存在的文档记录
                        //reduce: 如果文档中存在相同key的记录了，则先计算两条记录，然后覆盖旧记录
                        // {inline:1}  在内存中存储记录，不写入磁盘(用户数据量少的计算)
            sort: sort,
            limit: limit,
            finalize: function  //这个function主要用来在存入out之前可以修改数据，function(key,values) { 
                                //return modifiedValues;}
            scope: document,    //指定reduce可访问的文档范围
            jsMode:boolean      //指定是否在map和ruduce之间立即将数据转换为Bason格式，默认为false
                                //如果想设置为true,则要记住官方我那当的注意事项：
                                //You can only use jsMode for result sets with fewer than
                                //500,000 distinct key arguments to the mapper’s emit()function.
            verbose:boolean     //是否在结果集中包含timing信息，默认是包含的
        }
    )

在做mongodb的mapreduce时，要确保你的query是可以利用到索引的，不然在大数据量的统计下，将会托夸整个数据库，如果确实没办法建索引，那么就在结果集中判断一些不符合条件的数据，而去掉query。

mapreduce的语法其实很简单，只不过这里面有几点需要注意一下：

1.在map中，mongodb是每1000条数据就reduce一次

2.在map中，如果你想统计一个数据之和，需要这样写：

emit(key:this.key,sum:0})

然后再在reduce里需要将上一次的sum迭代累加起来，然后return {sum:sum};如果不这样做，你计算出来的数据总是最后不足1000条数据之后统计出来的，而前面的数据就都丢失了。

3.如果能不用mapreduce，就不用，程序能够统计的，就不要用mongodb频繁统计。

4.mapreduce的结果集的数据格式是：{_id:key,value:{}},因此如果想直接使用这个表的话，最好再重新将数据格式整理一次，尽量将数据放在最上次，而不是再用value.xxx去查询。

这里附上统计我们网站的用户发表内容的数量的mapreduce，仅供一种代码格式的参考价值吧：

var db = connect('127.0.0.1:27017/test');
db.aAccounttemp.drop();
var map = function() {
    emit(this.accountId, 
        {sum:0,
            reblogFlag:this.reblogFlag,dashboardFlag:this.dashboardFlag,dashboardType:this.dashboardType,
            photoNum:0,postNum:0,reblogNum:0,videoNum:0,videoShortNum:0, musicNum:0,
            questionNum:0,appNum:0, dialogNum:0});
}

var reduce = function(key,values) {

    var sum = 0;
    var photoNum = 0;
    var postNum = 0;
    var reblogNum = 0;
    var videoNum = 0;
    var videoShortNum = 0;
    var musicNum = 0;
    var questionNum = 0;
    var appNum = 0;
    var dialogNum = 0;
    for (var i = 0; i