我想要计算我的文档(包括嵌入式文档)的所有关键字。 首先我写了一个Java客户端来解决这个问题。显示结果只需不到4秒钟。 然后我写了一个map / reduce函数。结果很好,但运行该功能花了30多秒! 我认为map / reduce函数会更快,因为它是在服务器端执行的。 Java客户端需要从服务器获取每个文档,但速度要快得多。 为什么会这样?
//这是我的地图功能:
map = function(){
for(var key in this) {
emit(key, {count:1});
if(isNestedObject(this[key])){
m_sub(key, this[key]);
}
}
}
//这是我的reduce函数:
reduce = function (key, emits) {
total = 0;
for (var i in emits) {
total += emits[i].count;
}
return {count:total};
}
//这是对mapreduce的调用:
mr = db.runCommand({"mapreduce":"keyword", "map" : map, "reduce" : reduce,
"scope":{
isNestedObject : function (v) {
return v && typeof v === "object";
},
m_sub : function(base, value) {
for(var key in value) {
emit(base + "." + key, {count:1});
if(isNestedObject(value[key])){
m_sub(base + "." + key, value[key]);
}
}
}
}
})
//这是输出:
{
"result" : "tmp.mr.mapreduce_1292252775_8",
"timeMillis" : 39087,
"counts" : {
"input" : 20168,
"emit" : 986908,
"output" : 1934
},
"ok" : 1
}
//这是我的Java客户端:
public static Set<String> recursiv(DBObject o){
Set<String> keysIn = o.keySet();
Set<String> keysOut = new HashSet<String>();
for(String s : keysIn){
Set<String> keys2 = new HashSet<String>();
if(o.get(s).getClass().getSimpleName().contains("Object")){
DBObject o2 = (DBObject) o.get(s);
keys2 = recursiv(o2);
for(String s2 : keys2){
keysOut.add(s + "." + s2);
}
}else{
keysOut.add(s);
}
}
return keysOut;
}
public static void main(String[] args) throws Exception {
final Mongo mongo = new Mongo("xxx.xxx.xxx.xxx");
final DB db = mongo.getDB("keywords");
final DBCollection keywordTable = db.getCollection("keyword");
Multiset<String> count = HashMultiset.create();
long start = System.currentTimeMillis();
DBCursor curs = keywordTable.find();
while(curs.hasNext()){
DBObject o = curs.next();
Set<String> keys = recursiv(o);
for(String s : keys){
count.add(s);
}
}
long end = System.currentTimeMillis();
long duration = end - start;
System.out.println(new SimpleDateFormat("mm:ss:SS").format(Long.valueOf(duration)));
System.out.println("duration:" + duration + " ms");
//System.out.println(count);
System.out.println(count.elementSet().size());
}
//这是输出:
00:03:726
duration:3726 ms
1898
不要担心结果的数量不同(1934年与1898年)。这是因为map reduce也计算了数组中的键,这些键不是由java客户端计算的。 感谢您了解不同的执行时间。
答案 0 :(得分:9)
这不是一个很好的答案,但在o'reilly mongo书中,kristina说地图缩减查询是你能做的最慢的事情之一,但它们也是最灵活,最具伸缩性的。 Mongo将能够拆分查询并处理所有节点的处理能力,这意味着您应该为添加的每个节点获得线性可伸缩性。但是在单个节点上,即使按查询分组也会比map reduce更快。
答案 1 :(得分:5)
另一个原因是mongodb的javascript引擎存在问题,只允许他们使用一个单独的线程。 Mongodb计划改用google的v8 javascript引擎,希望mongodb能够处理map / reduce多线程。请参阅http://www.mongodb.org/display/DOCS/MapReduce#MapReduce-Parallelism和https://jira.mongodb.org/browse/SERVER-2407
答案 2 :(得分:1)
如果可以,您应该查看聚合框架命令。不像MapReduce那么灵活,但性能令人印象深刻。我用它将大量的馆藏数据汇总成小时,每日,每月的摘要,在我们的情况下,MapReduce的性能比率超过1到50。
我们选择了具有相同结构的分段集合的设计,这允许我们运行小而多的聚合作业,聚合命令的管道概念非常有效。
我还发现$ group命令非常高效,但是对大小和分片的限制限制了它的使用。