db.collection.mapReduce()

输出到集合

此选项输出到新集合，并且在副本集的从节点上不可用。

out: <collectionName>

输出到具有操作的集合

仅当将已存在的集合传递给 out 时，此选项才可用。它不适用于副本集的从节点。

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

当使用操作输出到集合时，out 具有以下参数：

• <action> ：指定以下操作之一：

  • replace

    如果存在具有 <collectionName> 的集合，则替换 <collectionName> 的内容。

  • merge

    如果输出集合已经存在，则将新结果与现有结果合并。如果现有文档与新结果具有相同的键，则覆盖该现有文档。

  • reduce

    如果输出集合已经存在，则将新结果与现有结果合并。如果现有文档与新结果具有相同的键，请将 reduce 函数应用于新文档和现有文档，并使用结果覆盖现有文档。

• db:

  可选。您希望 map-Reduce 操作写入其输出的数据库的名称。默认情况下，这将是与输入集合相同的数据库。

输出内联

在内存中执行 map-reduce 操作并返回结果。此选项是副本集的从节点上 out 的唯一可用选项。

out: { inline: 1 }

结果必须符合 BSON 文档的最大大小。

返回每位客户的总价

针对 orders 集合执行 map-reduce 操作会按 cust_id 进行分组，并为每个 cust_id 计算 price 之和：

1. 定义 Map 函数来处理每个输入文档：

   • 在函数中，this 指的是 Map-Reduce 操作正在处理的文档。

   • 该函数将每个文档的 price 映射到 cust_id，并输出 cust_id 和 price。

   var mapFunction1 = function() {
      emit(this.cust_id, this.price);
   };

2. 使用两个参数 keyCustId 和 valuesPrices 定义相应的 Reduce 函数：

   • valuesPrices 是一个数组，其元素是由 Map 函数发出并按 keyCustId 分组的 price 值。

   • 该函数将 valuesPrice 数组缩减为其元素之和。

   var reduceFunction1 = function(keyCustId, valuesPrices) {
      return Array.sum(valuesPrices);
   };

3. 使用 mapFunction1 Map 函数和 reduceFunction1 Reduce 函数对 orders 集合中的所有文档执行 Map-Reduce：

   db.orders.mapReduce(
      mapFunction1,
      reduceFunction1,
      { out: "map_reduce_example" }
   )

   此操作将结果输出到名为 map_reduce_example 的集合。如果 map_reduce_example 集合已存在，该操作将用此 Map-Reduce 操作的结果替换其内容。

4. 查询 map_reduce_example 集合以验证结果：

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

   该操作会返回以下文档：

   { "_id" : "Ant O. Knee", "value" : 95 }
   { "_id" : "Busby Bee", "value" : 125 }
   { "_id" : "Cam Elot", "value" : 60 }
   { "_id" : "Don Quis", "value" : 155 }

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

通过每款商品的平均数量计算订单和总数量

在以下示例中，您将看到针对 ord_date 值大于或等于 2020-03-01 的所有文档对 orders 集合执行的 Map-Reduce 操作。

示例中的操作：

1. 按 item.sku 字段分组，计算每个 sku 的订单数量和总订购量。

2. 计算每个 sku 值的每个订单的平均数量，并将结果合并到输出集合中。

合并结果时，如果现有文档与新结果具有相同的键，则该操作将覆盖现有文档。如果没有具有相同键的现有文档，操作将插入该文档。

步骤示例：

1. 定义 Map 函数来处理每个输入文档：

   • 在函数中，this 指的是 Map-Reduce 操作正在处理的文档。

   • 对于每款商品，该函数将 sku 与新对象 value 关联，该对象包含 1 的 count 和订单的商品 qty，并发出 sku（存储在 key 中）和 value。

    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. 使用两个参数 keySKU 和 countObjVals 定义相应的 Reduce 函数：

   • countObjVals 是一个数组，其元素是映射到分组 keySKU 值的对象，这些值由 Map 函数传递到 Reducer 函数。

   • 该函数将 countObjVals 数组缩减为包含 count 和 qty 字段的单个对象 reducedValue。

   • 在 reducedVal 中，count 字段包含各个数组元素中 count 字段的总和，而 qty 字段包含各个数组元素中 qty 字段的总和。

   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;
   };

3. 使用两个参数 key 和 reducedVal 定义 finalize 函数。该函数会修改 reducedVal 对象以添加名为 avg 的计算字段并返回修改后的对象：

   var finalizeFunction2 = function (key, reducedVal) {
     reducedVal.avg = reducedVal.qty/reducedVal.count;
     return reducedVal;
   };

4. 使用 mapFunction2、reduceFunction2 和 finalizeFunction2 函数对 orders 集合执行 Map-Reduce 操作：

   db.orders.mapReduce(
      mapFunction2,
      reduceFunction2,
      {
        out: { merge: "map_reduce_example2" },
        query: { ord_date: { $gte: new Date("2020-03-01") } },
        finalize: finalizeFunction2
      }
    );

   此操作使用 query 字段来仅选择 ord_date 大于或等于 new Date("2020-03-01") 的文档。然后它将结果输出到集合 map_reduce_example2。

   如果 map_reduce_example2 集合已存在，该操作会将现有内容与此 Map-Reduce 操作的结果合并。即，如果现有文档的键与新结果相同，则操作会覆盖现有文档。如果没有具有相同键的现有文档，操作将插入该文档。

5. 查询 map_reduce_example2 集合以验证结果：

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

   该操作会返回以下文档：

   { "_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 } }

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" } }
] )