mongoDB使用mapreduce实现简单的统计功能

前段时间学习了一下mongoDB的mapReduce但是一直没时间把文章整理出来，这几天忽然才想起来。mapReduce能实现几乎所有聚合函数的功能，但是使用mapReduce的结果就是执行效率稍微低一点，这次要分享的是一个有关分组统计的mapreduce

1.mapReduce组成

mapReduce由map和reduce两部分组成，我查了下资料是这么说的：

map函数和reduce函数是交给用户实现的，这两个函数定义了任务本身。

• map函数：接受一个键值对（key-value pair），产生一组中间键值对。MapReduce框架会将map函数产生的中间键值对里键相同的值传递给一个reduce函数。
• reduce函数：接受一个键，以及相关的一组值，将这组值进行合并产生一组规模更小的值（通常只有一个或零个值）。

简单的说map更侧重分组的实现，也就是在map里配置分组的条件并把符合条件的数据传递给reduce，reduce的则负责取得符合map分组条件的数据并实现真正的统计功能

2.我的表结构

假设这个就是一个非常简单的订单表，现在要求统计每个人支付的总费用，关系型数据库当然很好实现，直接搞个sum和group by就OK了

3.使用mapreduce实现简单的统计

先编写map函数：

function Map() {
	 
	
	emit(
		this.customer,					// how to group
		{count: 1, price: this.price}	// associated data point (document)
	); 
	
	
}

其实我们要写的部分只是amit里面的几句，第一个配置的是分组的条件，后面则是一个map集合这个集合最重要的price这个值，按照上面的要求我们需要把price累加起来

之后就是接收符合map条件的数据的reduce部分：

function Reduce(key, values) {
	

	var reduced = {count:0, totalprice:0}; // initialize a doc (same format as emitted value)

	values.forEach(function(val) {
		reduced.totalprice += val.price; 	// reduce logic
		reduced.count += val.count; 
	});

	return reduced;	
	
	
}

values就是接收到的数据，从foreach里面的代码就能清楚的看明白这个部分完成什么功能了，第一句是累加价格，第二句是累加订单数

4.使用mongovue执行mapreduce要注意的地方

最后来看看执行效果：

这样在mongoDB里就实现类似关系数据库的group功能了