//函数准备：
> function map(){
emit(this.name,{count:1});
}
> function reduce(key,value){
var result = {count:0};
for(var i=0;i<value.length;i++){
result.count += value[i].count;
}
result.ext = "haha";
return result;
}
//例子1-1：
> db.person.find()
{ "_id" : ObjectId("566e89f8382a8419511d02ab"), "name" : "hxc", "age" : 20 }
{ "_id" : ObjectId("566e8a0c382a8419511d02ac"), "name" : "hxc", "age" : 24 }
{ "_id" : ObjectId("566e8a1c382a8419511d02ad"), "name" : "zjl", "age" : 34 }
{ "_id" : ObjectId("566e8a1c382a8419511d02ad"), "name" : "zjl", "age" : 26 }
{ "_id" : ObjectId("566e8a32382a8419511d02ae"), "name" : "xx", "age" : 32 }
{ "_id" : ObjectId("566e8a42382a8419511d02af"), "name" : "abcdweb", "age" : 32 }
{ "_id" : ObjectId("566e8a52382a8419511d02b0"), "name" : "abcdweb", "age" : 32 }
{ "_id" : ObjectId("566e8a5f382a8419511d02b1"), "name" : "xx", "age" : 32 }
> db.person.mapReduce(map,reduce,{"out":"collection"})
{
"result" : "collection",
"timeMillis" : 285,
"counts" : {
"input" : 8,
"emit" : 8,
"reduce" : 4, //此值为4
"output" : 4
},
"ok" : 1
}
> db.collection.find()
{ "_id" : "abcdweb", "value" : { "count" : 2, "ext" : "haha" } }
{ "_id" : "hxc", "value" : { "count" : 2, "ext" : "haha" } }
{ "_id" : "xx", "value" : { "count" : 2, "ext" : "haha" } }
{ "_id" : "zjl", "value" : { "count" : 2, "ext" : "haha" } }
//例子1-2：
> db.person.find()
{ "_id" : ObjectId("566e8a1c382a8419511d02ad"), "name" : "zjl", "age" : 34 }
{ "_id" : ObjectId("566e8a32382a8419511d02ae"), "name" : "xx", "age" : 32 }
{ "_id" : ObjectId("566e8a5f382a8419511d02b1"), "name" : "xx", "age" : 32 }
{ "_id" : ObjectId("566e8fdd382a8419511d02b2"), "name" : "zjl", "age" : 26 }
{ "_id" : ObjectId("566e90a4382a8419511d02b3"), "name" : "hxc", "age" : 20 }
{ "_id" : ObjectId("566e90bd382a8419511d02b4"), "name" : "abcdweb", "age" : 32 }
> db.person.mapReduce(map,reduce,{"out":"collection"})
{
"result" : "collection",
"timeMillis" : 271,
"counts" : {
"input" : 6,
"emit" : 6,
"reduce" : 2, //此值为2
"output" : 4
},
"ok" : 1
}
> db.collection.find()
//留意，首两行记录没有“ext”字段，表明该两组并没有执行reduce函数；value为emit的value
{ "_id" : "abcdweb", "value" : { "count" : 1 } }
{ "_id" : "hxc", "value" : { "count" : 1 } }
{ "_id" : "xx", "value" : { "count" : 2, "ext" : "haha" } }
{ "_id" : "zjl", "value" : { "count" : 2, "ext" : "haha" } }
>
总结：map是拿来分组的，具体实现通过emit，emit的key则为分组字段，其value的集合（即数组）会传给reduce函数执行，若value集合长度小于2，则该分组不会传到reduce函数执行（因为reduce的字面意思是“简化”，是将集合数据进行精简，统计获取一个结果；而若集合只有一条数据，根本就不需要统计了）
更多用法，参考：
Aggregate
db.article.aggregate(
{ $project : {
title : 1,
doctoredPageViews : { $add: ["$pageViews", 10] } //留意：$add后面是中括号
}});
{ $project : { title : 1 , page_views : "$pageViews" , bar : "$other.foo" }}
//注意操作符的顺序
db.user.aggregate(
[
{
$group: {
_id: "$User",
totalCount: {$sum: "$Count"}
}
},
{
$project : {
_id: 0,
name : "$_id",
totalCount: "$totalCount"
}
}
]
);
//以多个字段分组要这样写
db.user.aggregate(
{ $group : {
_id : { "MyUser": "$User" ,
"Country":"$Country"
},
TotalCount : { $sum : "$Count" }
}
}
);
-------------------------------------------------------------------------
数据准备：
{
"_id" : ObjectId("56cd0e8b8b04c3250840e364"),
"title" : "MongoDB Overview",
"description" : "MongoDB is no sql database",
"by_user" : "w3cschool.cc",
"url" : "http://www.w3cschool.cc",
"tags" : [
"mongodb",
"database",
"NoSQL"
],
"likes" : NumberInt(100)
}
{
"_id" : ObjectId("56cd0e8b8b04c3250840e365"),
"title" : "NoSQL Overview",
"description" : "No sql database is very fast",
"by_user" : "w3cschool.cc",
"url" : "http://www.w3cschool.cc",
"tags" : [
"mongodb",
"database",
"NoSQL"
],
"likes" : NumberInt(10)
}
{
"_id" : ObjectId("56cd0e8b8b04c3250840e366"),
"title" : "Neo4j Overview",
"description" : "Neo4j is no sql database",
"by_user" : "Neo4j",
"url" : "http://www.neo4j.com",
"tags" : [
"neo4j",
"database",
"NoSQL"
],
"likes" : NumberInt(750)
}
{
"_id" : ObjectId("56cd20c08b04c3250840e367"),
"title" : "Java Overview",
"description" : "Java Coder",
"by_user" : "w3cschool.cc",
"url" : "http://www.java.com",
"tags" : [
"javase",
"javaee",
"spring"
],
"likes" : NumberInt(300)
}
//这些操作符都是可以用多次的
db.author.aggregate([
{
$group: {
_id: "$by_user",
count: {$sum: "$likes"}
}
},
{
$project: {
cnt: {$cond: {if: {$gte: ['$count', 500]}, then: 'a', else: 'b'}}
}
},
{
$project: {
cnt: '$cnt',
cs: {$cond: {if: {$eq: ['$cnt', 'a']}, then: '1', else: '2'}}
}
}
]);
//分组可以根据条件分
db.author.aggregate([
{
$group: {
_id: {
$cond: {
if: {$gte: ['$likes', 150]},
then: 'a',
else: 'b'
}
},
count: {$sum: "$likes"}
}
}
]);
例子：多个区间分组
db.author.aggregate([
{
$group: {
_id: {
$cond: {
if: {$lte: ['$likes', 110]},
then: '<=110',
else: '$likes'
}
},
count: {$sum: 1}
}
},
{
$group: {
_id: {
$cond: {
if: {$lte: ['$_id', 750]},
then: '>110 and <=750',
else: '$_id'
}
},
count: {$sum: '$count'}
}
}
]);
output：
{ "_id" : "<=110", "count" : 2 }
{ "_id" : ">110 and <=750", "count" : 2 }
-------------------------------------------------------------------------
mapreduce例子：
var map = function() { emit(this.carrier_name, {count:1});};
var reduce = function(key, values) {
var total = 0;
for(var i=0;i<values.length;i++){total += values[i].count;}
return {count:total};};
var final = function(key, values){
return {
"name": key,
"num": values.count
};
};
db.http_details.mapReduce(map, reduce, {"query": {"carrier_name": {$ne: "中国电信"}}, "out": "tempStat", "finalize": final, "keeptemp": false});
{
"_id" : "CHINA MOBILE",
"value" : {
"name" : "CHINA MOBILE",
"num" : 1364.0
}
}
{
"_id" : "CHN-UNICOM",
"value" : {
"name" : "CHN-UNICOM",
"num" : 1975.0
}
}
{
"_id" : "unknown",
"value" : {
"name" : "unknown",
"num" : 15498.0
}
}
{
"_id" : "中国移动",
"value" : {
"name" : "中国移动",
"num" : 7711.0
}
}
{
"_id" : "中国联通",
"value" : {
"name" : "中国联通",
"num" : 9069.0
}
}
相关推荐
mongodb group aggregate项目实战笔记 管道聚合 mongodb group按时间分组，用aggregate管道聚合 会比group的处理效率要高而且更灵活方便
mongodb mapreduce 实例，该例子主要用来做订单统计的。具体问题请到博客提问。
NULL 博文链接：https://superhuo.iteye.com/blog/1193485
MongoDB MapReduce MapReduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）。这样做的好处是可以在任务被分解后，可以通过大量机器进行并行计算，减少...
Mongodb是针对大数据量环境下诞生的用于保存大数据量的非关系型数据库，针对大量的数据。接下来通过本文给大家介绍Mongodb中MapReduce实现数据聚合方法详解，感兴趣的朋友一起学习吧
MapReduce应该算是MongoDB操作中比较复杂的了，下面这篇文章主要给大家介绍了关于MongoDB中MapReduce使用的相关资料，文中通过示例代码介绍的非常详细，需要的朋友可以参考借鉴，下面随着小编来一起看看吧。
MongoDB的MapReduce.pdf 学习资料 复习资料 教学资源
主要介绍了使用aggregate在MongoDB中查询重复数据记录的方法的相关资料,需要的朋友可以参考下
最近一直在用mongodb，有时候会需要用到统计，在网上查了一些资料，最适合用的就是用aggregate，以下介绍一下自己运用的心得。。 MongoDB 聚合 MongoDB中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等)，...
1.分篇章进行学习，内容控制30分钟内 2.1个月疗程，不要放弃治疗哦 3.图文并茂，有问题请发到邮箱
我的博客：www.wangs0622.com, mongoDB-aggregate pipeline 使用的文档集合。
计算机后端-PHP视频教程. mongodb10 MapReduce 统计栏目下的商品.wmv
本文实例讲述了nodejs+mongodb aggregate级联查询操作。分享给大家供大家参考，具体如下： 最近完成了一个nodejs+mongoose的项目，碰到了mongodb的级联查询操作。情形是实现一个排行榜，查看某个公司（organization...
一个简单的Mongodb mapreduce的例子
php代码-mongodb aggregate sample 的使用
计算机后端-PHP视频教程. mongodb08 导出导入.wmv
db.COLLECTION_NAME.aggregate() 方法用来构建和使用聚合管道，下图是官网给的实例，可以看出来聚合管道的用法还是比较简单的。 2. MongoDB Aggregation 管道操作符与表达式 常用的管道操作符有以下这些： ...