Question

有没有一种很好的方法来模仿CouchDB中SELECT COUNT（DISTINCT字段）的行为？

想象一下，我们有以下文档，它记录了用户播放某首歌的时间：

{
  song_id: "happy birthday",
  user_id: "boris",
  date_played: [2011, 11, 14, 00, 12, 55],
  _id: ...
}

我想知道我们的用户“boris”所播放的不同歌曲的数量。如果我们的用户已经听过20次“生日快乐”，那么该歌曲仍然只能为整首歌曲数量贡献+1。

在MySQL中，我只是执行SELECT COUNT(DISTINCT song_id) FROM plays WHERE user_id = "boris"，但在CouchDB中写这篇文章时我只是空白。

解决方法1：如果我更改了架构，而是将所有歌曲播放存储在单个用户文档中的“boris”中，那么我可以编写一个映射来仅发出不同的值。但是，如果我想在last.fm的范围内构建一些东西，我担心随着“boris”文档大小（播放次数）的持续增长，更新将开始需要很长时间。（我最终可能会遇到最大文档大小）。

解决方法2：我还可以编写一个map函数来返回所有的不同记录，我的python脚本可以自己总结一下;但同样有成千上万首不同的歌曲，这也会变得很慢。

我错过了哪些其他选择？

Answer 1

这个答案由Zachary Zolton在couchdb邮件列表中提供：

http://mail-archives.apache.org/mod_mbox/couchdb-user/201111.mbox/%3CCAGnHtbJ-1-YeLWMLivKzWub98HZY7%2BesnPOHU4pEYgWAsxaszA%40mail.gmail.com%3E

既然你已经有了一个可以给你鲍里斯50k独特的观点歌曲，您可以使用_list函数返回行数。

这样的事情可以解决问题：

function() {
 var count = 0;
 while(getRow()) count++;
 return JSON.stringify({count: count});
}

如果查询此列表函数，则具有相同的视图，键范围和小组级别，它只会回复一些JSON，例如：{"count":"50612"}

您可以在此处阅读更多内容：

Answer 2

假设我已正确解释你的问题;

图：

function(doc) {
  emit([doc.user_id, doc.song_id], null);
}

减少

_count

查询：

?startkey=[<userid>]&endkey=[<userid>,{}]&group=true

示例输出：

http://127.0.0.1:5984/foo/_design/a/_view/b?group=true&
startkey=[%22foo%22]&endkey=[%22foo%22,{}]

{"rows":[
  {"key":["foo","bar"],"value":2},
  {"key":["foo","bazbar"],"value":1}
]}

Answer 3

我一直在努力完成同样的事情（见http://mail-archives.apache.org/mod_mbox/couchdb-user/201410.mbox/browser）

当你只需要一个标量值时，获得所有这些输出是不对的。即使列表功能是一种没有获得完整结果流的解决方法，这种方法也很奇怪。

任何替代方案吗？

Answer 4

在CouchDB的最新版本（> 2.2）中，可以使用_approx_count_distinct reduce函数。您的看法将是：

地图：

function(doc) {
    emit([doc.user_id, doc.song_id], 1);
}

减少：

_approx_count_distinct

，用于获取用户“ boris”的song_ids计数的查询为：

/db/_design/_myddoc/_view/myview?group_level=1&key=["boris"]

如何在CouchDB中编写SELECT COUNT（DISTINCT字段）查询？

4 个答案: