识别 CouchDB 中的重复项

Question

总的来说，我对 CouchDB 和面向文档的数据库很陌生。

我一直在使用 CouchDB，并且能够熟悉创建文档（使用 perl）以及使用 Futon 中的 Map/Reduce 函数来查询数据和创建视图。

我仍在试图弄清楚的一件事是如何使用 Futon 的 Map/Reduce 识别文档中的重复值。

例如，如果我有以下文档：

{
  "_id": "123",
  "name": "carl",
  "timestamp": "2012-01-27T17:06:03Z"
}

{
  "_id": "124",
  "name": "carl",
  "timestamp": "2012-01-27T17:07:03Z"
}

并且我想获取具有重复“名称”值的文档 ID 列表，我可以使用 Futon Map/Reduce 执行此操作吗？

希望达到的结果如下：

{
  "name": "carl",
  "dupes": [ "123", "124" ]
}

..或..

{
  "carl": [ "123", "124" ]
}

.. 这将是该值，以及包含这些重复值的关联文档 ID。

我已经使用 Map/Reduce 尝试了一些不同的操作，但据我了解，Map 函数在每个文档的基础上处理数据，而 Reduce 函数只允许您使用给定的键/值文档。

我知道我可以用 perl 提取我需要的数据，在那里发挥魔法，并得到我想要的结果，但我现在尝试只使用 CouchDB，以便更好地理解它的好处/局限性。

我考虑这样做的另一种方法是使用单个文档，例如 RDBMS 表：

{
  "_id": "names",
  "rec1": {
    "_id": "123",
    "name": "carl",
    "timestamp": "2012-01-27T17:06:03Z"
  },
  "rec2": {
    "_id": "124",
    "name": "carl",
    "timestamp": "2012-01-27T17:07:03Z"
  }
}

..这应该允许我按照我最初的想法使用 Map/Reduce 函数。但是我不确定这是否理想。

我知道我的思想仍然停留在 RDBMS 领域，因此我上面尝试做的很多事情可能没有必要。任何对此的见解将不胜感激。

谢谢！

编辑：修复了一些示例中的 JSON 语法。

Answer 1

如果您只想要一个唯一值的列表，那很简单。如果您想识别重复项，那么事情就变得不那么容易了。

在这两种情况下，像这样的映射函数就足够了：

function (doc) {
   emit(doc.name);
}

对于您的reduce函数，只需输入_count。

您的视图输出将如下所示：（基于您的 2 个文档）

{
    "rows": [
        { "key": "carl", "value": 2 }
    ]
}

从那里，您将获得一个名称列表及其频率。您可以获取该列表并自行过滤，也可以采用“所有沙发”路线并使用 _list< /code> 函数来执行最终过滤。

function (head, req) {
    var row, duplicates = [];
    while (row = getRow()) {
        if (row.value > 1) {
            duplicates.push(row);
        }
    }
    send(JSON.stringify(duplicates));
}

了解 _list 函数，它们非常方便且用途广泛。