脚本宝典收集整理的这篇文章主要介绍了MongoDB中MapReduce编程模型使用实例，脚本宝典觉得挺不错的，现在分享给大家，也给大家做个参考。
注：作者使用的MongoDB为2.4.7版本。
单词计数示例：
插入用于单词计数的数据：
db.data.insert({sentence:'Consider the following map-
reduce
operations on a collection orders t
hat cont
ains
Documents of the following
PRototy
PE'})
db.data.insert({sentence:'I get the following error when I follow the code found in this link'})
图个简洁，数据中没有包含标点符号。 在mongo shell写入以下内容：
VAR map = function() {
&nbs
p; spl
IT_result = this.sentence.split(" ");
for (var i in split_result) {
var word = split_result[i].replace(/(^\s*)|(\s*$)/g,"").toLowerCase(); //去除了单词两边可能的空格，并将单词转换为小写
if (word.length != 0) {
emit(word, 1);
}
}
}
var reduce = function(key, values) {
return Array.sum(values);
}
db.data.mapReduce(
map,
reduce,
{out:{inline:1}}
)
db.data.mapReduce的第一和第二个参数分别指定map和reduce，map的输入是集合中的每个文档，通过emit()生成键值对；而reduce则处理键的多个值。
mapReduce的第三个参数指明在内存中进行mapreduce并返回结果，运行结果如下：
{
"results" : [
{
"_id" : "a",
"value" : 1
},
{
"_id" : "code",
"value" : 1
},
{
"_id" : "collection",
"value" : 1
},
{
"_id" : "consider",
"value" : 1
},
{
"_id" : "contains",
"value" : 1
},
{
"_id" : "documents",
"value" : 1
},
{
"_id" : "error",
"value" : 1
},
{
"_id" : "follow",
"value" : 1
},
{
"_id" : "following",
"value" : 3
},
{
"_id" : "found",
"value" : 1
},
{
"_id" : "get",
"value" : 1
},
{
"_id" : "i",
"value" : 2
},
{
"_id" : "in",
"value" : 1
},
{
"_id" : "link",
"value" : 1
},
{
"_id" : "map-reduce",
"value" : 1
},
{
"_id" : "of",
"value" : 1
},
{
"_id" : "on",
"value" : 1
},
{
"_id" : "operations",
"value" : 1
},
{
"_id" : "orders",
"value" : 1
},
{
"_id" : "prototype",
"value" : 1
},
{
"_id" : "that",
"value" : 1
},
{
"_id" : "the",
"value" : 4
},
{
"_id" : "this",
"value" : 1
},
{
"_id" : "when",
"value" : 1
}
],
"timeMillis" : 1,
"counts" : {
"input" : 2,
"emit" : 30,
"reduce" : 3,
"output" : 24
},
"ok" : 1,
}
results的值是MapReduce的处理结果，timeMillis指明花费的时间；counts中input指明了输入的文档数，emit指明了在map中调用emit的次数，reduce指明了reduce的次数（本例中如果单次次数为1则不需要reduce），output指明了输出的文档数目。
可以看到，键_id不再是自动生成，而是被reduce中的key取代。当然，也可以将结果输入到一个新的collection中，例如：
db.data.mapReduce( map, reduce, {out:"mr_result"} )
之后查看mr_result集合中的内容即可：
db.mr_result.find()
也可以使用db.runCommand执行mapreduce
任务，这种方法为
开发者提供了更多的选项，具体请见资料[1]。资料[2][3][4]提供了关于mapreduce更全面的内容。资料[5]给出了优化mapreduce任务的方法，资料[6]是资料[5]的一篇中文
翻译。
应该注意的是，资料[5]中提到使用ScopedThread()创建线程，笔者在GUI工具Robomongo的shell中运行 new ScopedThread()时候报错： ReferenceError: ScopedThread is not defined (shell):1
不过在mongo shell中可以正常运行：
> new ScopedThread()
Sat Mar 22 21:32:36.062 Error: need at least one
argument at src/mongo/shell/utils.js:101
如果使用其他编程语言管理MongoDB，要用到线程时，应该使用该编程语言内置的线程。
关于mongodb实现的mapreduce，个人觉得如果支持多个MR任务平滑过渡就更好了。
脚本宝典总结
以上是脚本宝典为你收集整理的MongoDB中MapReduce编程模型使用实例全部内容，希望文章能够帮你解决MongoDB中MapReduce编程模型使用实例所遇到的问题。
如果觉得脚本宝典网站内容还不错，欢迎将脚本宝典推荐好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。