db.collection.mapReduce()

項目一覧

構文

出力
制限事項
詳細情報

注意

map-reduce の代替としての集計パイプライン

MongoDB 5.0以降、 map-reduceは非推奨です。

map-reduceの代わりに、集計パイプラインを使用する必要があります。集計パイプラインは、map-reduce よりもパフォーマンスとユーザビリティが優れています。
$group $mergeなどの集約パイプラインステージを使用して、map-reduce操作を書き換えることができます。
カスタム機能を必要とする map-reduce 操作には、 $accumulatorと$functionの集計演算子を使用できます。これらの演算子を使用して、JavaScript でカスタム集計式を定義できます。

map-reduce を集計パイプラインに置き換える例については、以下を参照してください。

db.collection.mapReduce(map,reduce, { <options> }): 重要
mongosh メソッド
このページでは、mongosh メソッドについて説明します。ただし、データベースコマンドや Node.js などの言語固有のドライバーのドキュメントには該当しません。
データベースコマンドについては、mapReduce コマンドを参照してください。
MongoDB API ドライバーについては、各言語の MongoDB ドライバードキュメントを参照してください。
注意
ビューでは map-reduce 操作をサポートしていません。

構文

注意

MongoDB は冗長オプションを無視します。

MongoDB バージョン 4.2 以降、次の機能が廃止されます。

新しいシャーディングされたコレクションを作成するための map-reduce オプション、および、map-reduce のシャードオプションの使用。シャーディングされたコレクションに出力するには、まずシャーディングされたコレクションを作成します。MongoDB 4.2 では、既存のシャーディングされたコレクションの置き換えも非推奨となります。ん。

db.collection.mapReduce() の構文は次のとおりです。

db.collection.mapReduce(
                         <map>,
                         <reduce>,
                         {
                           out: <collection>,
                           query: <document>,
                           sort: <document>,
                           limit: <number>,
                           finalize: <function>,
                           scope: <document>,
                           jsMode: <boolean>,
                           verbose: <boolean>,
                           bypassDocumentValidation: <boolean>
                         }
                       )

db.collection.mapReduce() は以下のパラメーターを取ります。

Parameter	タイプ	説明
`map`	javascript または文字列	`value`を`key`に関連付けたり「マッピング」したり、 `key`と値`pair`を出力したりする JavaScript 関数。関数は BSON 型 JavaScript（ BSON type 13 ）またはstring （ BSON 型 2 ）。詳細については、 map 関数の要件を参照してください。
`reduce`	javascript または文字列	特定の`key`に関連付けられているすべての`values`を 1 つのオブジェクトに「reduce」する JavaScript 関数。関数は BSON 型 JavaScript（ BSON type 13 ）またはstring （ BSON 型 2 ）。詳細については、「 reduce 関数の要件」を参照してください。
`options`	ドキュメント	`db.collection.mapReduce()` に追加のパラメータを指定するドキュメント。

次の表では、db.collection.mapReduce() が受け入れることができる追加の引数について説明します。

フィールド

タイプ

説明

out

文字列またはドキュメント

map-reduce 操作の結果のロケーション所を指定します。コレクションに出力したり、アクションを使用してコレクションに出力したり、インラインで出力したりできます。セットのプライマリノードに対して map-reduce を実行するときにコレクションに出力できます。セカンダリノードでは、 inline 出力のみを使用できます。

詳細については、アウトオプションを参照してください。

query

ドキュメント

map 関数への入力ドキュメントを決定するための選択基準をクエリ演算子を使用して指定します。

sort

ドキュメント

入力ドキュメントを並べ替えます。このオプションは、最適化に役立ちます。たとえば、sort キーを emit キーと同じものに指定すると、reduce 操作の数を減らせます。sort キーは、このコレクションの既存のインデックス内になければなりません。

limit

数値

map 関数に入力するドキュメントの最大数を指定します。

finalize

javascript または文字列

任意。 reduce関数の後の出力を変更する JavaScript 関数。関数は BSON 型 JavaScript（ BSON type 13 ）またはstring （ BSON 型 2 ）。

詳細については、 finalize 関数の要件を参照してください。

scope

ドキュメント

map 、 reduce 、 finalize 関数でアクセス可能なグローバル変数を指定します。

jsMode

ブール値

map 関数と reduce 関数の実行の間に中間データを BSON 形式に変換するかどうかを指定します。

デフォルトは false です。

false場合:

MongoDB は内部的に、 map関数によって出力された JavaScript オブジェクトを BSON オブジェクトに変換します。これらの BSON オブジェクトは、 reduce関数を呼び出すときに JavaScript オブジェクトに変換されます。
map-reduce 操作は、中間 BSON オブジェクトを一時的なディスク上のストレージに配置します。これにより、任意の大きなデータセットに対して map-reduce 操作を実行できます。

true場合:

内部的には、 map関数中に発行される JavaScript オブジェクトは JavaScript オブジェクトとして残ります。 reduce関数のオブジェクトを変換する必要がないため、実行が高速化します。
jsModeは、マッパーのemit()関数への個別のkey引数が 500,000 未満の結果セットにのみ使用できます。

verbose

ブール値

結果情報に timing 情報を含めるかどうかを指定します。verbose を true に設定して、timing 情報を含めます。

デフォルトは false です。

このオプションは無視されます。結果情報には常に timing 情報が除外されます。モードまたはdb.collection.explain() db.collection.mapReduce()"executionStats""allPlansExecution"verbosityモードでとともにを実行中すると、タイミング情報を表示できます。

collation

ドキュメント

任意。

操作に使用する照合を指定します。

照合を指定すると、大文字・小文字やアクセント記号など、文字列を比較するための言語独自のルールを指定できます。

照合オプションの構文は次のとおりです。

collation: {
   locale: <string>,
   caseLevel: <boolean>,
   caseFirst: <string>,
   strength: <int>,
   numericOrdering: <boolean>,
   alternate: <string>,
   maxVariable: <string>,
   backwards: <boolean>
}

照合を指定する場合、locale フィールドは必須ですが、その他の照合フィールドはすべて任意です。フィールドの説明については、照合ドキュメントを参照してください。

照合が指定されていなくても、コレクションにデフォルトの照合が設定されている場合（db.createCollection() を参照）には、コレクションの照合が使用されます。

コレクションにも操作にも照合が指定されていない場合、MongoDB では以前のバージョンで使用されていた単純なバイナリ比較によって文字列が比較されます。

1 つの操作に複数の照合は指定できません。たとえば、フィールドごとに異なる照合を指定できません。また、ソートと検索を一度に実行する場合、検索とソートで別の照合を使用できません。

バージョン 3.4 で追加。

bypassDocumentValidation

ブール値

任意。mapReduce を有効にすると、操作中にドキュメント検証をバイパスできます。これにより、検証要件を満たさないドキュメントを挿入できるようになります。

バージョン 3.2 で追加。

注意

map-reduce operations および $where 演算子式は、mongosh 内で使用可能な db などの特定のグローバル関数またはプロパティにアクセスできません 。

次の JavaScript 関数とプロパティは、map-reduce operationsおよび$where 演算子の式で使用できます。

利用可能なプロパティ	利用可能な機能
`args` `MaxKey` `MinKey`	`assert()` `BinData()` `DBPointer()` `DBRef()` `doassert()` `emit()` `gc()` `HexData()` `hex_md5()` `isNumber()` `isObject()` `ISODate()` `isString()`	`Map()` `MD5()` `NumberInt()` `NumberLong()` `ObjectId()` `print()` `printjson()` `printjsononeline()` `sleep()` `Timestamp()` `tojson()` `tojsononeline()` `tojsonObject()` `UUID()` `version()`

`map`関数の要件

map関数は、各入力ドキュメントを 0 個以上のドキュメントに変換するのを担当します。 scopeパラメータで定義された変数にアクセスでき、次のプロトタイプがあります。

function() {
   ...
   emit(key, value);
}

map関数には次の要件があります。

map関数は、関数内で現在のドキュメントをthisとして参照します。
map関数は、何らかの理由でデータベースにアクセスしてはなりません。
map関数は純粋で、関数の外部に影響を与えないようにする必要があります（副作用はありません。）
map関数は任意に、任意の回数でemit(key,value)を呼び出して、 keyをvalueに関連付ける出力ドキュメントを作成できます。

次のmap関数は、入力ドキュメントのstatusフィールドの値に応じてemit(key,value)を 0 回または 1 回呼び出します。

function() {
    if (this.status == 'A')
        emit(this.cust_id, 1);
}

次のmap関数は、入力ドキュメントのitemsフィールドの要素数に応じて、 emit(key,value)を複数回呼び出す場合があります。

function() {
    this.items.forEach(function(item){ emit(item.sku, 1); });
}

`reduce`関数の要件

reduce関数のプロトタイプは次のとおりです。

function(key, values) {
   ...
   return result;
}

reduce関数は、次の動作を示します。

reduce関数は、読み取り操作を実行する場合でも、データベースにアクセスしないでください。
reduce関数は外部システムに影響を与えないようにする必要があります。
MongoDB では、同じキーに対してreduce関数を複数回呼び出すことができます。この場合、そのキーのreduce関数からの前回の出力は、そのキーの次のreduce関数を呼び出すへの入力値の 1 つになります。
reduce関数は、 scopeパラメータで定義された変数にアクセスできます。
reduceへの入力は、MongoDB の最大 BSON ドキュメントサイズの半分を超えてはなりません。この要件は、大きなドキュメントが返され、後続のreduceステップで結合された場合に違反される可能性があります。

同じキーに対してreduce関数を複数回呼び出すことができるため、次のプロパティが true である必要があります。

返されるオブジェクトの型は、 map関数によって出力されるvalueの型と同一である必要があります。
reduce関数は連想である必要があります。次のステートメントは true である必要があります。
```
reduce(key, [ C, reduce(key, [ A, B ]) ] ) == reduce( key, [ C, A, B ] )
```
reduce関数は冪等である必要があります。次の文が true であることを確認します。
```
reduce( key, [ reduce(key, valuesArray) ] ) == reduce( key, valuesArray )
```
reduce関数はメンバーシップである必要があります。つまり、 valuesArray内の要素の順序はreduce関数の出力に影響を与えず、次のステートメントが当てはまります。
```
reduce( key, [ A, B ] ) == reduce( key, [ B, A ] )
```

`out` オプション

outパラメータには次のオプションを指定できます。

コレクションへの出力

このオプションは新しいコレクションに出力し、レプリカセットのセカンダリノードでは使用できません。

out: <collectionName>

アクションを使用したコレクションへの出力

注意

MongoDB バージョン 4.2 以降、次の機能が廃止されます。

新しいシャーディングされたコレクションを作成するための map-reduce オプション、および、map-reduce のシャードオプションの使用。シャーディングされたコレクションに出力するには、まずシャーディングされたコレクションを作成します。MongoDB 4.2 では、既存のシャーディングされたコレクションの置き換えも非推奨となります。ん。

このオプションは、すでに存在するコレクションをoutに渡す場合にのみ使用できます。レプリカセットのセカンダリノードでは使用できません。

out: { <action>: <collectionName>
        [, db: <dbName>]
        [, sharded: <boolean> ] }

アクションを使用してコレクションに出力する場合、 outには次のパラメータがあります。

<action>: 次のいずれかのアクションを指定します。
- replace
  <collectionName>のコレクションが存在する場合は、 <collectionName>の内容を置き換えます。
- merge
  出力コレクションがすでに存在する場合は、新しい結果を既存の結果とマージします。既存のドキュメントが新しい結果と同じキーを持っている場合は、その既存のドキュメントを上書きします。
- reduce
  出力コレクションがすでに存在する場合は、新しい結果を既存の結果とマージします。既存のドキュメントが新しい結果と同じキーを持つ場合は、新しいドキュメントと既存のドキュメントの両方にreduce関数を適用し、既存のドキュメントを結果で上書きします。
db:
任意。 map-reduce 操作で出力を書込むデータベースの名前。デフォルトでは、これは入力コレクションと同じデータベースになります。

インラインでの出力

メモリ内で map-reduce 操作を実行し、結果を返します。このオプションは、レプリカセットのセカンダリノードでoutのみ使用できるオプションです。

out: { inline: 1 }

結果はBSON ドキュメントの最大サイズ内に収まる必要があります。

`finalize`関数の要件

finalize関数のプロトタイプは次のとおりです。

function(key, reducedValue) {
   ...
   return modifiedObject;
}

finalize関数は、引数としてkey値とreduce関数からのreducedValueを受け取ります。注意すること：

finalize関数は、何らかの理由でデータベースにアクセスしてはなりません。
finalize関数は純粋で、関数の外部に影響を与えないようにする必要があります（副作用はありません。）
finalize関数は、 scopeパラメータで定義された変数にアクセスできます。

map-reduce の例

このセクションの例には、カスタム集計式を使用しない集計パイプラインの代替手段が含まれています。カスタム式を使用する代替方法については「map-reduce から集計パイプラインへの変換例」を参照してください。

次のドキュメントを含むサンプルコレクションordersを作成します。

db.orders.insertMany([
   { _id: 1, cust_id: "Ant O. Knee", ord_date: new Date("2020-03-01"), price: 25, items: [ { sku: "oranges", qty: 5, price: 2.5 }, { sku: "apples", qty: 5, price: 2.5 } ], status: "A" },
   { _id: 2, cust_id: "Ant O. Knee", ord_date: new Date("2020-03-08"), price: 70, items: [ { sku: "oranges", qty: 8, price: 2.5 }, { sku: "chocolates", qty: 5, price: 10 } ], status: "A" },
   { _id: 3, cust_id: "Busby Bee", ord_date: new Date("2020-03-08"), price: 50, items: [ { sku: "oranges", qty: 10, price: 2.5 }, { sku: "pears", qty: 10, price: 2.5 } ], status: "A" },
   { _id: 4, cust_id: "Busby Bee", ord_date: new Date("2020-03-18"), price: 25, items: [ { sku: "oranges", qty: 10, price: 2.5 } ], status: "A" },
   { _id: 5, cust_id: "Busby Bee", ord_date: new Date("2020-03-19"), price: 50, items: [ { sku: "chocolates", qty: 5, price: 10 } ], status: "A"},
   { _id: 6, cust_id: "Cam Elot", ord_date: new Date("2020-03-19"), price: 35, items: [ { sku: "carrots", qty: 10, price: 1.0 }, { sku: "apples", qty: 10, price: 2.5 } ], status: "A" },
   { _id: 7, cust_id: "Cam Elot", ord_date: new Date("2020-03-20"), price: 25, items: [ { sku: "oranges", qty: 10, price: 2.5 } ], status: "A" },
   { _id: 8, cust_id: "Don Quis", ord_date: new Date("2020-03-20"), price: 75, items: [ { sku: "chocolates", qty: 5, price: 10 }, { sku: "apples", qty: 10, price: 2.5 } ], status: "A" },
   { _id: 9, cust_id: "Don Quis", ord_date: new Date("2020-03-20"), price: 55, items: [ { sku: "carrots", qty: 5, price: 1.0 }, { sku: "apples", qty: 10, price: 2.5 }, { sku: "oranges", qty: 10, price: 2.5 } ], status: "A" },
   { _id: 10, cust_id: "Don Quis", ord_date: new Date("2020-03-23"), price: 25, items: [ { sku: "oranges", qty: 10, price: 2.5 } ], status: "A" }
])

カスタマーあたりの合計価格を返す

orders コレクションに対して map-reduce 操作を実行して、cust_idごとにグループ化し、各cust_id の price の合計値を計算します。

各入力ドキュメントを処理する map 関数を定義します。
- この関数では、 this は map-reduce 操作で処理中のドキュメントを参照します。
- この関数は、各ドキュメントのpriceをcust_idにマッピングし、 cust_idとpriceを出力します。
```
var mapFunction1 = function() {
   emit(this.cust_id, this.price);
};
```
2つの引数keyCustIdとvaluesPricesを使用して、対応する reduce 関数を定義します。
- valuesPricesは、map 関数によって出力され、keyCustIdでグループ化された price 値を要素とする配列です。
- この関数は valuesPrice 配列をその要素の合計にまで減らします。
```
var reduceFunction1 = function(keyCustId, valuesPrices) {
   return Array.sum(valuesPrices);
};
```
orders コレクション内のすべてのドキュメントに対して、map 関数 mapFunction1 と reduce 関数reduceFunction1 を使用して map-reduce を実行します。
```
db.orders.mapReduce(
   mapFunction1,
   reduceFunction1,
   { out: "map_reduce_example" }
)
```
この操作は、結果をmap_reduce_exampleという名前のコレクションに出力します。map_reduce_exampleコレクションがすでに存在する場合、この操作により、内容が map-reduce 操作の結果に置き換えられます。
map_reduce_example コレクションをクエリして、結果を検証します。
```
db.map_reduce_example.find().sort( { _id: 1 } )
```
この操作では、次のドキュメントが返されます。
```
{ "_id" : "Ant O. Knee", "value" : 95 }
{ "_id" : "Busby Bee", "value" : 125 }
{ "_id" : "Cam Elot", "value" : 60 }
{ "_id" : "Don Quis", "value" : 155 }
```

集計の代替手段

次のとおり利用可能な集約パイプライン演算子を使用すると、カスタム関数を定義しなくても map-reduce 操作を書き換えることができます。

db.orders.aggregate([
   { $group: { _id: "$cust_id", value: { $sum: "$price" } } },
   { $out: "agg_alternative_1" }
])

$groupステージはcust_idでグループ化し、 valueフィールドを計算します（$sumも参照してください）。value フィールドには、各cust_idの合計priceが含まれます。
このステージでは、次のドキュメントを次のステージに出力します。
```
{ "_id" : "Don Quis", "value" : 155 }
{ "_id" : "Ant O. Knee", "value" : 95 }
{ "_id" : "Cam Elot", "value" : 60 }
{ "_id" : "Busby Bee", "value" : 125 }
```
次に、 $outにより出力がコレクションagg_alternative_1に書き込まれます。あるいは、 $out の代わりに$mergeを使用することもできます
agg_alternative_1 コレクションをクエリして、結果を検証します。
```
db.agg_alternative_1.find().sort( { _id: 1 } )
```
この操作により、次のドキュメントが返されます。
```
{ "_id" : "Ant O. Knee", "value" : 95 }
{ "_id" : "Busby Bee", "value" : 125 }
{ "_id" : "Cam Elot", "value" : 60 }
{ "_id" : "Don Quis", "value" : 155 }
```

Tip

以下も参照してください。

カスタム集計式を使用する代替方法については、「Map-Reduceから集約パイプラインへの変換例」を参照してください。

アイテムごとの平均数量で注文と合計数量を計算

次の例では、orders 上でord_date の値が 2020-03-01 以上となるすべてのドキュメントについての map-reduce 操作を示します。

この例での操作は次のとおりです。

item.skuフィールドでグループ化し、各 sku の注文数と合計注文数量を計算します。
各sku値について、1 回の注文あたりの平均数量を計算し、結果を出力コレクションにマージします。

結果をマージするときに、既存のドキュメントが新しい結果と同じキーを持っている場合、操作によって既存のドキュメントが上書きされます。同じキーを持つ既存のドキュメントが存在しない場合は、この操作によってドキュメントが挿入されます。

手順の例:

各入力ドキュメントを処理する map 関数を定義します。

この関数では、 this は map-reduce 操作で処理中のドキュメントを参照します。
各アイテムについて、この関数では sku をcount が 1 の新規オブジェクト value 、および注文アイテムの qty とと関連付け、sku （keyに格納）とvalueを出力します。

 var mapFunction2 = function() {
    for (var idx = 0; idx < this.items.length; idx++) {
       var key = this.items[idx].sku;
       var value = { count: 1, qty: this.items[idx].qty };
       emit(key, value);
    }
};

2つの引数keySKUとcountObjValsを使用して、対応する reduce 関数を定義します。

countObjVals は、map 関数によって reducer 関数に渡される、グループ化された keySKU 値にマップされたオブジェクトを要素とする配列です。
この関数は countObjVals 配列を count フィールドと qty フィールドを含む 1 つのオブジェクト reducedValue に縮小します。
reducedValでは、count フィールドには個々の配列エレメントの count フィールドの合計が含まれ、qty フィールドには個々の配列エレメントの qty フィールドの合計が含まれます。

var reduceFunction2 = function(keySKU, countObjVals) {
   reducedVal = { count: 0, qty: 0 };
   for (var idx = 0; idx < countObjVals.length; idx++) {
       reducedVal.count += countObjVals[idx].count;
       reducedVal.qty += countObjVals[idx].qty;
   }
   return reducedVal;
};

2 つの引数keyとreducedValを持つ finalize 関数を定義します。この関数は、 reducedValオブジェクトを変更してavgという名前の計算フィールドを追加し、変更されたオブジェクトを返します。
```
var finalizeFunction2 = function (key, reducedVal) {
  reducedVal.avg = reducedVal.qty/reducedVal.count;
  return reducedVal;
};
```
orders コレクションに対して map-reduce 操作を実行するには、mapFunction2、 reduceFunction2、および finalizeFunction2 関数を使用します。
```
db.orders.mapReduce(
   mapFunction2,
   reduceFunction2,
   {
     out: { merge: "map_reduce_example2" },
     query: { ord_date: { $gte: new Date("2020-03-01") } },
     finalize: finalizeFunction2
   }
 );
```
この操作では、 query フィールドを使用して、 ord_date の値が new Date("2020-03-01")以上のドキュメントのみを選択します。次に、結果をコレクション map_reduce_example2に出力します。
map_reduce_example2コレクションがすでに存在する場合、この操作により、内容が map-reduce 操作の結果に置き換えられます。つまり既存のドキュメントが新しい結果と同じキーを持っている場合、操作によって既存のドキュメントが上書きされます。同じキーを持つ既存のドキュメントが存在しない場合は、この操作によってドキュメントが挿入されます。

map_reduce_example2 コレクションをクエリして、結果を検証します。

db.map_reduce_example2.find().sort( { _id: 1 } )

この操作では、次のドキュメントが返されます。

{ "_id" : "apples", "value" : { "count" : 4, "qty" : 35, "avg" : 8.75 } }
{ "_id" : "carrots", "value" : { "count" : 2, "qty" : 15, "avg" : 7.5 } }
{ "_id" : "chocolates", "value" : { "count" : 3, "qty" : 15, "avg" : 5 } }
{ "_id" : "oranges", "value" : { "count" : 7, "qty" : 63, "avg" : 9 } }
{ "_id" : "pears", "value" : { "count" : 1, "qty" : 10, "avg" : 10 } }

集計の代替手段

次のとおり利用可能な集約パイプライン演算子を使用すると、カスタム関数を定義しなくても map-reduce 操作を書き換えることができます。

db.orders.aggregate( [
   { $match: { ord_date: { $gte: new Date("2020-03-01") } } },
   { $unwind: "$items" },
   { $group: { _id: "$items.sku", qty: { $sum: "$items.qty" }, orders_ids: { $addToSet: "$_id" } }  },
   { $project: { value: { count: { $size: "$orders_ids" }, qty: "$qty", avg: { $divide: [ "$qty", { $size: "$orders_ids" } ] } } } },
   { $merge: { into: "agg_alternative_3", on: "_id", whenMatched: "replace",  whenNotMatched: "insert" } }
] )

$matchステージでは、 ord_dateがnew Date("2020-03-01")以上であるドキュメントのみが選択されます。

$unwind ステージでは、items 配列フィールドでドキュメントを分割して、配列要素ごとにドキュメントを出力します。たとえば：

{ "_id" : 1, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-01T00:00:00Z"), "price" : 25, "items" : { "sku" : "oranges", "qty" : 5, "price" : 2.5 }, "status" : "A" }
{ "_id" : 1, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-01T00:00:00Z"), "price" : 25, "items" : { "sku" : "apples", "qty" : 5, "price" : 2.5 }, "status" : "A" }
{ "_id" : 2, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 70, "items" : { "sku" : "oranges", "qty" : 8, "price" : 2.5 }, "status" : "A" }
{ "_id" : 2, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 70, "items" : { "sku" : "chocolates", "qty" : 5, "price" : 10 }, "status" : "A" }
{ "_id" : 3, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 50, "items" : { "sku" : "oranges", "qty" : 10, "price" : 2.5 }, "status" : "A" }
{ "_id" : 3, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 50, "items" : { "sku" : "pears", "qty" : 10, "price" : 2.5 }, "status" : "A" }
{ "_id" : 4, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-18T00:00:00Z"), "price" : 25, "items" : { "sku" : "oranges", "qty" : 10, "price" : 2.5 }, "status" : "A" }
{ "_id" : 5, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-19T00:00:00Z"), "price" : 50, "items" : { "sku" : "chocolates", "qty" : 5, "price" : 10 }, "status" : "A" }
...

$groupステージでは各 SKU について計算し、items.skuでグループ化します。

qtyフィールド。qtyフィールドには次が含まれます。
各items.skuごとに注文されたqtyの合計（$sumを参照）。
orders_ids配列。orders_idsフィールドには次が含まれます。
items.skuについての、個別の注文の_id（$addToSetを参照してください）。

{ "_id" : "chocolates", "qty" : 15, "orders_ids" : [ 2, 5, 8 ] }
{ "_id" : "oranges", "qty" : 63, "orders_ids" : [ 4, 7, 3, 2, 9, 1, 10 ] }
{ "_id" : "carrots", "qty" : 15, "orders_ids" : [ 6, 9 ] }
{ "_id" : "apples", "qty" : 35, "orders_ids" : [ 9, 8, 1, 6 ] }
{ "_id" : "pears", "qty" : 10, "orders_ids" : [ 3 ] }

$projectステージでは、出力ドキュメントを再形成して、map-reduce の出力をミラーリングし、2 つのフィールド_idとvalueを含めます。$projectセット:

$unwind ステージでは、items 配列フィールドでドキュメントを分割して、配列要素ごとにドキュメントを出力します。たとえば：

{ "_id" : 1, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-01T00:00:00Z"), "price" : 25, "items" : { "sku" : "oranges", "qty" : 5, "price" : 2.5 }, "status" : "A" }
{ "_id" : 1, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-01T00:00:00Z"), "price" : 25, "items" : { "sku" : "apples", "qty" : 5, "price" : 2.5 }, "status" : "A" }
{ "_id" : 2, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 70, "items" : { "sku" : "oranges", "qty" : 8, "price" : 2.5 }, "status" : "A" }
{ "_id" : 2, "cust_id" : "Ant O. Knee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 70, "items" : { "sku" : "chocolates", "qty" : 5, "price" : 10 }, "status" : "A" }
{ "_id" : 3, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 50, "items" : { "sku" : "oranges", "qty" : 10, "price" : 2.5 }, "status" : "A" }
{ "_id" : 3, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-08T00:00:00Z"), "price" : 50, "items" : { "sku" : "pears", "qty" : 10, "price" : 2.5 }, "status" : "A" }
{ "_id" : 4, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-18T00:00:00Z"), "price" : 25, "items" : { "sku" : "oranges", "qty" : 10, "price" : 2.5 }, "status" : "A" }
{ "_id" : 5, "cust_id" : "Busby Bee", "ord_date" : ISODate("2020-03-19T00:00:00Z"), "price" : 50, "items" : { "sku" : "chocolates", "qty" : 5, "price" : 10 }, "status" : "A" }
...

$groupステージでは各 SKU について計算し、items.skuでグループ化します。

qtyフィールド。 qty フィールドには、$sumにより、各items.skuごとに注文された qty の合計が含まれます。
orders_ids配列。orders_ids フィールドには、$addToSet により、items.skuについての個別の注文 _id の配列が含まれます。

{ "_id" : "chocolates", "qty" : 15, "orders_ids" : [ 2, 5, 8 ] }
{ "_id" : "oranges", "qty" : 63, "orders_ids" : [ 4, 7, 3, 2, 9, 1, 10 ] }
{ "_id" : "carrots", "qty" : 15, "orders_ids" : [ 6, 9 ] }
{ "_id" : "apples", "qty" : 35, "orders_ids" : [ 9, 8, 1, 6 ] }
{ "_id" : "pears", "qty" : 10, "orders_ids" : [ 3 ] }

$projectステージでは、出力ドキュメントを再形成して、map-reduce の出力をミラーリングし、2 つのフィールド_idとvalueを含めます。$projectセット:

$size を使用して、 value.countをorders_ids配列のサイズに合わせます
入力ドキュメントの qty フィールドについてのvalue.qty。
$divideと$sizeを使用して、 value.avgを注文あたりの平均数量に換算します。

{ "_id" : "apples", "value" : { "count" : 4, "qty" : 35, "avg" : 8.75 } }
{ "_id" : "pears", "value" : { "count" : 1, "qty" : 10, "avg" : 10 } }
{ "_id" : "chocolates", "value" : { "count" : 3, "qty" : 15, "avg" : 5 } }
{ "_id" : "oranges", "value" : { "count" : 7, "qty" : 63, "avg" : 9 } }
{ "_id" : "carrots", "value" : { "count" : 2, "qty" : 15, "avg" : 7.5 } }

最後に、 $mergeは出力をコレクションagg_alternative_3に書き込みます。既存のドキュメントに新しい結果と同じキー_idがある場合、この操作によって既存のドキュメントが上書きされます。同じキーを持つ既存のドキュメントが存在しない場合は、この操作によってドキュメントが挿入されます。

agg_alternative_3 コレクションをクエリして、結果を検証します。

db.agg_alternative_3.find().sort( { _id: 1 } )

この操作により、次のドキュメントが返されます。

{ "_id" : "apples", "value" : { "count" : 4, "qty" : 35, "avg" : 8.75 } }
{ "_id" : "carrots", "value" : { "count" : 2, "qty" : 15, "avg" : 7.5 } }
{ "_id" : "chocolates", "value" : { "count" : 3, "qty" : 15, "avg" : 5 } }
{ "_id" : "oranges", "value" : { "count" : 7, "qty" : 63, "avg" : 9 } }
{ "_id" : "pears", "value" : { "count" : 1, "qty" : 10, "avg" : 10 } }

Tip

以下も参照してください。

カスタム集計式を使用する代替方法については、「Map-Reduceから集約パイプラインへの変換例」を参照してください。

出力

db.collection.mapReduce()メソッドの出力はmapReduceコマンドの出力と同じです。出力の詳細については、 mapReducedb.collection.mapReduce()コマンドの出力セクションを参照してください。

制限事項

db.collection.mapReduce() afterClusterTime のサポートを終了しました。このため、db.collection.mapReduce() を因果一貫性のあるセッションに関連付けることはできません。

詳細情報

戻る

db.collection.latencyStats

db.collection.reIndex

注意

map-reduce の代替としての集計パイプライン

重要

mongosh メソッド

注意

構文

注意

注意

map関数の要件

reduce関数の要件

out オプション

コレクションへの出力

アクションを使用したコレクションへの出力

注意

インラインでの出力

finalize関数の要件

map-reduce の例

カスタマーあたりの合計価格を返す

集計の代替手段

Tip

以下も参照してください。

アイテムごとの平均数量で注文と合計数量を計算

集計の代替手段

Tip

以下も参照してください。

出力

制限事項

詳細情報

`map`関数の要件

`reduce`関数の要件

`out` オプション

`finalize`関数の要件