与 MongoDB MapReduce 的连接操作

Question

我之前一直使用MapReduce来执行经典的MR操作，相当于SQL中的GROUP BY。

我想知道在概念上是否可以使用 MapReduce 执行 JOIN 操作。知道如何实施吗？使用 MapReduce 进行这种操作有意义吗？

谢谢！

Answer 1

MongoDB 不支持连接等关系操作。相反，您可以通过将要加入的行嵌入到外部文档中来对数据进行非规范化。因此，您可以拥有一个具有以下架构的 products 集合，而不是将 Products 加入到 Sales：

products

{
    _id: 123,
    name: "Widget",
    price: 9.99
    sales:
    [ 
        { id:1, date: "20100316", howMany: 2 },
        { id:2, date: "20100316", howMany: 5 }
    ]
}

然后，每当您检索产品时，您也会获取其销售数据，因此无需在其他地方加入或查找信息。

或者，您可以像使用关系数据库一样拆分为两个集合，然后使用附加查询来获取产品的销售额，如下所示：

SQL: SELECT Sales WHERE ProductId = 123

MongoDB: db.sales.find( { Productid: 123 } )

产品

{
    _id: 123,
    name: "Widget",
    price: 9.99
}

销售

{
    id: 1,
    productid: 123,
    date: "20100316",
    howMany: 2 
}

{
    id: 2,
    productid: 123,
    date: "20100316",
    howMany: 5
}

Answer 2

我的方法如下：

查看 hadoop 我找到了 CompositeInputFormat 方法
它需要两个或多个集合作为map-reduce作业的输入，

简而言之，根据我的调查， mongodb还没有提供这个。
mongodb mapReduce 一次对一个集合执行。（如果我磨损，请更正）

所以我决定将需要连接的集合放入
在一个集合中，我将为“sql right join”执行mapreduce，

这是来自我的日志报告项目。
第一阶段的映射缩减足以在“无时钟”的情况下执行右连接。
第二阶段map-reduce的目的是排除由时钟字段引起的多余右连接。

db.test.drop();
db.test.insert({"username" : 1, "day" : 1, "clock" : 0 });
db.test.insert({"username" : 1, "day" : 1, "clock" : 1 });
db.test.insert({"username" : 1,  startDay : 1,endDay:2, "table" : "user" });

//startDay : 1,endDay:2 are used to define the employers working day (join to company - left the company)
//you can use an array instedad of array here. for example day:[1,2,3, ...]

m1 = function(){
   if( typeof this.table!= "undefined" && this.table!=null){
       username = this.username;
       startDay = this.startDay;
       endDay   = this.endDay;
       while(startDay<=endDay){
           emit({username:username,day:startDay},{clocks:["join"]});
          // emit({username:username,day:startDay},1);
           startDay++;
       }
   }else{
       emit({username:this.username,day:this.day},{clocks:[this.clock]});
   }
}
r1 = function(key,values){
    result = {clocks:[]}
    values.forEach(function(x){
        result.clocks = x.clocks.concat(result.clocks);
        result.clocks=result.clocks.filter(function(element, index, array){
            return element!="join";            
        })
    })
    return result;
}

db.test.mapReduce(m1,r1,{out:"result1"})
db.test.find();
db.result1.find();

m2=function(){
   key=this._id;
   this.value.clocks.forEach(function(x){
       key.clock=x;
       emit(key,1);       
   })   
}
r2 = function(key,values){
    value=0;
    values.forEach(function(x){
        value+=1;      
    })
    return result;
}

db.result1.mapReduce(m2,r2,{out:"result2"})
db.test.find();
db.result2.find();