mongoDB的map reduce，mongoDBmapreduce

mongoDB的map reduce，mongoDBmapreduce

mongoDB的map reduce使用

樣本：

res = db.runCommand({
    mapreduce:'liveEpgUserVisits',
    map:function() {
        emit({provice:this.provice}, {"data":[{"mac":this.mac}],visit:this.visitNum, userCount:0});
    },
    reduce:function(key, value) {
        var ret = {data:[]}, visit=0
        var userCount=0;
        var macs = {};
        var sum = 0;
        for(var i in value) {
            var ia = value[i];
            for(var j in ia.data) {
                if(!macs[ia.data[j].mac]) {
                    macs[ia.data[j].mac] = true;
                    ret.data.push(ia.data[j]);

                    userCount += 1;

                }
            }

           sum += Number(ia.visit);
        }
        ret.visit = sum;
        ret.userCount = userCount;
        return ret;
    },
    query:{"inputTime":{$gte:ISODate("2014-09-17T14:20:00Z"),$lte:ISODate("2014-09-17T14:30:00Z")}},
    finalize:function(key, values){
        return [{count:values.data.length},{visit:values.visit},{userCount:values.userCount}];
    },
    out:'tmp_mo_spcode_consignid_1',
    verbose:true
})上面的樣本，map：key是省份，value是這個省份對應的mac值、訪問數量、使用者數量。reduce：擷取到每個省份的value，然後進行運算，在將結果返回。通過finalize參數指定輸出格式。如果不指定輸出格式則會安裝map的key和value格式進行輸出。

其中db.runCommand包含以下參數：

db.runCommand( { mapreduce : <collection>,   map : <mapfunction>,   reduce : <reducefunction>   [, query : <query filter object>]   [, sort : <sort the query.  useful for optimization>]   [, limit : <number of objects to return from collection>]   [, out : <output-collection name>]   [, keeptemp: <true|false>]   [, finalize : <finalizefunction>]   [, scope : <object where fields go into javascript global scope >]   [, verbose : true] });

    - mapreduce：指定要進行mapreduce處理的collection
    - map：map函數    - reduce：reduce函數    - out：輸出結果的collection的名字，不指定會預設建立一個隨機名字的collection（如果使用了out選項，就不必指定keeptemp：true了，因為已經隱含在其中了）    - query：一個篩選條件，只有滿足條件的文檔才會調用map函數。（query。limit，sort可以隨意組合）    - sort：和limit結合的sort排序參數（也是在發往map函數前給文檔排序），可以最佳化分組機制    - limit：發往map函數的文檔數量的上限（要是沒有limit，單獨使用sort的用處不大）    - keytemp：true或false，表明結果輸出到的collection是否是臨時的，如果想在串連關閉後仍然保留這個集合，就要指定keeptemp為true，如果你用的是MongoDB的mongo用戶端串連，那必須exit後才會刪除。如果是指令碼執行，指令碼退出或調用close會自動刪除結果collection    - finalize：是函數，它會在執行完map、reduce後再對key和value進行一次計算並返回一個最終結果，這是處理過程的最後一步，所以finalize就是一個計算平均數，剪裁數組，清除多餘資訊的恰當時機    - scope：javascript代碼中要用到的變數，在這裡定義的變數在map，reduce，finalize函數中可見    - verbose：用於調試的詳細輸出選項，如果想看MpaReduce的運行過程，可以設定其為true。也可以print把map，reduce，finalize過程中的資訊輸出到伺服器日誌上。

誰懂mongodb的mapreduce 教我一下？

map：可以理解成需要填充的資料。在sql中，很像是後面的where條件所需要篩選的部分；
reduce：可以理解成需要顯示的欄位；

因為mapreduce的使用對於初學者來說，在理解上非常的困難。建議先從簡單的group方法入手進行學習；

另外一點，MapReduce的效能是非常低的，除非是做背景統計操作，否則一定不要用MapReduce或給予它的查詢作為前端的資料訪問方式。
 
mongodb的多表關聯哪種處理方式最優

需求是這樣的，一個遊戲後台系統，需要對每天產生的記錄檔進行分析。遊戲日誌有使用者註冊、使用者登入等。使用mapreduce將使用者註冊資訊統計到一個集合user_register，將使用者登入資訊去重後放到另一個集合user_login，現在需要根據使用者名稱關聯這個兩個集合統計出一些資料。但查了很多資料沒有發現mongodb在這方面有很好的解決辦法，也想過使用mapreduce來解決，但根據這段時間我使用mapreduce的心得，感覺mapreduce只能處理一個集合，不能同時處理兩個集合。目前我想出的一個解決方案就是把這兩個集合中的資料都讀出來，然後使用程式碼處理。這種方式雖然能暫時解決問題，但肯定不是最優的。所以就冒昧給您發了這條資訊，看您能不能給一些合理的建議或方法，先在此謝過！！