MongoDB - Map Reduce：初學者指南

您好，未來的MongoDB大師們！今天，我們將踏上一段令人興奮的旅程，探索MongoDB的Map Reduce世界。別擔心您對編程是新手——我將成為您的友好導遊，一步一步地解釋一切。所以，來一杯咖啡，我們一起來深入探討！

Map Reduce是什麼？

在我們深入MongoDB的具體內容之前，讓我們先了解一下Map Reduce是什麼。想像一下，您正在計算一個大袋子裡有多少個紅色、藍色和綠色的彈珠。Map Reduce就像有一群朋友幫助您：

1. 一個朋友（映射器）拿出彈珠並大聲報出它們的顏色。
2. 其他朋友（還原器）每人記錄一種顏色的數量。
3. 最後，您得到了每種顏色的總數。

這就是Map Reduce的精髓——它是一種有效地處理和摘要大量數據的方式。

MongoDB中的MapReduce命令

現在，讓我們看看如何在MongoDB中使用Map Reduce。MongoDB中Map Reduce操作的基本結構如下：

db.collection.mapReduce(
function() { emit(key, value); },  // map函數
function(key, values) { return reduceFunction; },  // reduce函數
{
out: <output>,
query: <query>,
sort: <sort>,
limit: <limit>
}
)

別擔心這看起來令人却步——我們會一步步拆解！

Map函數

Map函數是我們決定要處理哪些數據的地方。這就像我們的朋友大聲報出彈珠顏色。對於每個文件，我們使用emit()函數輸出一個鍵和一個值。

假設我們有一個書籍集合，我們想要計算每個作者寫了多少本書：

function() {
emit(this.author, 1);
}

這個函數說，“對於每本書，報出作者的姓名和數字1。”

Reduce函數

Reduce函數將為特定鍵發出的所有值組合起來。這就像我們的朋友記錄每種顏色的數量。

對於我們的書籍範例：

function(key, values) {
return Array.sum(values);
}

這個函數說，“將每位作者的所有1相加。”

選項

選項對象讓我們可以自定義我們的Map Reduce操作：

• out：結果存儲在哪裡
• query：過濾輸入文件
• sort：對輸入文件進行排序
• limit：限制要處理的文件數量

使用MapReduce

現在，讓我們通過一個真實的例子來將所有內容整合起來。想像我們有一個銷售數據集合，我們想要計算每個產品的總銷售額。

首先，讓我們創建一些樣本數據：

db.sales.insertMany([
{ product: "Widget A", quantity: 5, price: 10 },
{ product: "Gadget B", quantity: 2, price: 20 },
{ product: "Widget A", quantity: 3, price: 10 },
{ product: "Gizmo C", quantity: 1, price: 30 },
{ product: "Gadget B", quantity: 4, price: 20 }
]);

現在，讓我們使用Map Reduce來計算總銷售額：

db.sales.mapReduce(
// Map函數
function() {
emit(this.product, this.quantity * this.price);
},
// Reduce函數
function(key, values) {
return Array.sum(values);
},
// 選項
{
out: "product_sales"
}
)

讓我們分解一下：

1. Map函數計算每個文件的銷售金額，並將產品名稱作為鍵發出。
2. Reduce函數將每個產品的銷售金額相加。
3. 我們將結果存儲在一個名為"product_sales"的新集合中。

查看結果：

db.product_sales.find()

您可能會看到如下內容：

{ "_id" : "Widget A", "value" : 80 }
{ "_id" : "Gadget B", "value" : 120 }
{ "_id" : "Gizmo C", "value" : 30 }

太棒了！我們成功地使用Map Reduce計算了每個產品的總銷售額。

什麼時候使用Map Reduce

Map Reduce很強大，但它不一定是最適合所有工作的工具。以下是一些Map Reduce發揮作用的情景：

1.不能用聚合管道完成的複雜聚合 2.當您需要處理不适合内存的大量數據時 3.當您需要執行MongoDB查詢語言中不可用的操作時

然而，對於更簡單的任務，MongoDB的聚合管道通常更快且更容易使用。

結論

恭喜您！您已經踏出了進入MongoDB的Map Reduce世界的第一步。我們已經涵蓋了基礎知識，但還有許多內容等待探索。記住，就像學騎自行車一樣，精通Map Reduce需要練習。不要害怕嘗試並犯錯誤——這是我們學習的方式！

當我們結束時，這裡有一個總結Map Reduce操作關鍵組成的表格：

組件	描述	範例
Map函數	處理每個文件並發出鍵值對	function() { emit(this.author, 1); }
Reduce函數	組合每個鍵的所有值	function(key, values) { return Array.sum(values); }
Out	指定結果存儲位置	{ out: "product_sales" }
Query	過濾輸入文件	{ query: { price: { $gt: 10 } } }
Sort	對輸入文件進行排序	{ sort: { price: 1 } }
Limit	限制要處理的文件數量	{ limit: 1000 }

繼續練習，保持好奇心，不久之後，您將成為Map Reduce的專家！快樂編程！

Credits: Image by storyset