MongoDb中的MapReduce

MapReduce是面向大数据并行处理的计算模型。MongoDb中提供了MapReduce的聚合工具，来实现任意复杂的逻辑，很强大，很灵活。它的计算理念是：将一个大问题拆分红若干个小问题，将各个小问题发送到不一样的机器上进行计算。在各个小问题解决完时，再将这些小问题的结果合并为一个最终的结果。

从设计理念能够看出，MapReduce操做有2个阶段：第一个阶段是Map（映射）阶段，第二个阶段是Reduce（化简）阶段。能够参考官网的一个demo：

1. 先查找符合条件的数据：查找出order集合中全部status为A的记录。
2. 而后执行Map（映射）：根据order集合记录中cust_id字段为key,amount为value进行规约。全部相同的key的全部value，组成一个数组，传给后面的reduce。
3. 最后进行Reduce（化简）：是把由map传回来的key/value的value进行求和，获得最终以每一个用户（cust_id）为key，全部金额求和的值为value的结果。最终结果out在临时表“order_totals”中。

附上我用java写的一段MapReduce代码：

/**
     * 查询订单表中的积分
     *
     * @return 积分数
     */
    public int selectOrderInfoScore(Query query) {
        String mapStr = "function() { emit(this.pay_type, { \"score\": this.score }) }";
        String reduce = "function(key, values) {\n" +
                "            var scores = 0;\n" +
                "            for (var i in values) {\n" +
                "                scores += values[i].score;\n" +
                "            }\n" +
                "            return { \"score\": scores };\n" +
                "        }";
        MapReduceResults<LinkedHashMap> reduceResults = mongoOperations.mapReduce(query, "order_info", mapStr, reduce, LinkedHashMap.class);

        Double score = 0D;
        for (LinkedHashMap map : reduceResults) {
            Map map2 = (Map) map.get("value");
            score += (Double) map2.get("score");
        }
        return score.intValue();
    }

reduce函数中return的值须要跟map函数中key的数据结构一致。