Question

我正在设计能够处理数百万个文档并以不同方式报告它们的系统。 mongoDb map \ reduce task是我正在尝试实现的（目前正在对此进行一些调查）。最基本的文档结构是

db.test.insert(
{
        "_id" : ObjectId("4f6063601caf46303c36eb27"),
        "verbId" : NumberLong(1506281),
        "sentences" : [
                {
                        "sId" : NumberLong(2446630),
                        "sentiment" : 2,
                        "categories" : [
                                NumberLong(3257),
                                NumberLong(3221),
                                NumberLong(3291)
                        ]
                },
                {
                        "sId" : NumberLong(2446631),
                        "sentiment" : 0,
                        "categories" : [
                                NumberLong(2785),
                                NumberLong(2762),
                                NumberLong(2928),
                                NumberLong(2952)
                        ]
                },
                {
                        "sId" : NumberLong(2446632),
                        "sentiment" : 0,
                        "categories" : [
                                NumberLong(-2393)
                        ]
                },
                {
                        "sId" : NumberLong(2446633),
                        "sentiment" : 0,
                        "categories" : [
                                NumberLong(-2393)
                        ]
                }
        ]
})

这样每个文档都包含可能属于不同类别的句子。我想要得到的报告是类别中的句子数量（以动词的百分比表示）。

我正在使用 finalize 方法执行下一个map-reduce作业，以计算不同的平均值。

var map = function() {
        var docCategories = new Array();
        var catValues = new Array();
        for (var i = 0; i < this.sentences.length; i++) { //iterate over sentences.
            sentence = this.sentences[i];
            for (var j = 0; j < sentence.categories.length; j++) {//iterate over categories
                catId= sentence.categories[j].toNumber();
                if (docCategories.indexOf(catId) < 0) {
                    docCategories.push(catId);
                    catValues.push({sentiment : sentence.sentiment, sentenceCnt: 1});
                } else {
                    categoryIdx = docCategories.indexOf(catId);
                    catValue = catValues[categoryIdx];
                    catValue.sentiment = catValue.sentiment + sentence.sentiment;
                    catValue.sentenceCnt = catValue.sentenceCnt + 1;
                }
            }

        }
        totalCount++; //here we do try to count distinctCases see scope.
        for (var i = 0; i < docCategories.length; i ++) {
            emit(docCategories[i], {count: 1, sentenceCnt: catValues[i].sentenceCnt, sentiment: catValues[i].sentiment, totalCnt : totalCount});
        }

    };

var reduce = function(key, values) {
    var res = {count : 0, sentenceCnt : 0, sentiment : 0};
    for ( var i = 0; i < values.length; i ++ ) {
        res.count += values[i].count;
        res.sentenceCnt += values[i].sentenceCnt;
        res.sentiment += values[i].sentiment;
    }

    return res;
};

var finalize = function(category, values) {
    values.sentimentAvg = values.sentiment / values.sentenceCnt; 
    values.percentOfVerbatim = values.count / totalCount //scope variable (global)
    return values;
};


var res = db.runCommand( { mapreduce:'test',
                  map:map,
                  reduce:reduce,
                  out: 'cat_volume',
                  finalize:finalize,
                  scope:{totalCount : 0},
                });

这里最有趣的部分是我正在使用totalCount - 来计算我正在发出的数字。 totalCount是范围（全局）变量。在一个mongoDb安装上一切顺利，但是当进入分片实例时我为 percentOfVerbatim 获得“无限”。

实际上在那种情况下 totalCount 只是 db.test.count（）（文件数量）但是将来我会为文件添加不同的条件值得数。执行任何其他查询是非常不受欢迎的，因为db非常繁重。

在多实例mongodb安装中是否还有其他方法可以使用全局（范围）变量？或者我应该使用其他东西吗？

Answer 1

范围变量不在分片之间共享。您可以将其视为全局常量。对于映射或减少在不同分片上运行的函数，将无法看到对值的更新。

Answer 2

最后，我找到了如何计算我发出的文件数量的方法。对我有用的唯一方法是发出documentId，并在reduce上将id放入数组中。在客户端（我正在编写java程序）我必须计算所有不同的ID。所以，在做地图时我会发出

emit(docCategories[i], {verbIds : [this.verbId.toNumber()], count: 1, sentenceCnt: catValues[i].sentenceCnt, sentiment: catValues[i].sentiment, totalCnt : totalCount});

减少功能如下：

var reduce = function(key, values) {
    var res = {verbIds : [], count : 0, sentenceCnt : 0, sentiment : 0};
    for ( var i = 0; i < values.length; i ++ ) {
//      res.verbIds = res.verbIds.concat(values[i].verbIds); //works slow
        for ( var j = 0; j < values[i].verbIds.length; j ++ ) {
            res.verbIds.push(values[i].verbIds[j]);
        }
        res.count += values[i].count;
        res.sentenceCnt += values[i].sentenceCnt;
        res.sentiment += values[i].sentiment;
    }

    return res;
};

Java端程序只计算所有结果的不同ID。

实际上，1.1M文件的执行速度明显减慢

mongoDb全局（范围）多分片安装的变量用法

2 个答案: