当MongoDB中落实聚合函数

趁着组织发出的数额爆炸性增长,从GB到TB,从TB到PB,传统的数据库已经力不从心通过垂直扩展来治本如此之死数量。传统方法囤积和拍卖多少的资产将会见趁数据量增长要明确增多。这使森组织都以追寻相同种经济的缓解方案,比如NoSQL数据库,它提供了所需要的多寡存储和处理能力、扩展性和资产效率。NoSQL数据库不使SQL作为查询语言。这种数据库来多种不同的花色,比如文档结构存储、键值结构存储、图结构、对象数据库等等。

我们在本文中使用的NoSQL是MongoDB,它是均等种植开源之文档数据库系统,开发语言为C++。它提供了一致栽高效之面向文档的积存结构,同时支持通过MapReduce次来拍卖所蕴藏的文档;它的扩展性很好,而且支持自动分区。Mapreduce可以据此来落实多少聚合。它的数目以BSON(二迈入制JSON)格式存储,在囤结构及支持动态schema,并且同意动态查询。和RDBMS的SQL查询不同,Mongo查询语言以JSON表示。

MongoDB提供了一个聚框架,其中囊括常用功能,比如count、distinct和group。然而更多的高等级聚合函数,比如sum、average、max、min、variance(方差)和standard
deviation(标准差)等需经MapReduce来实现。

眼看篇稿子讲述了于MongoDB存储的文档上运MapReduce来实现通用的聚合函数,如sum、average、max、min、variance和standard
deviation;聚合的杰出以包括销售数目的作业报表,比如用各国地方的数据分组后计算销售总额、财务报表等。

咱由本文示例应用所要软件的安起来。

软件设置

先是以本土机械上设置并安装MongoDB服务。

  • 从Mongo网站上下载MongoDB,解压到地方目录,比如C:>Mongo
  • 以达标一个文书夹内创建数量目录。比如:C:\Mongo\Data   
    • 倘数据文件存放于其余地方,那么以就此mongod.exe命令启动MongoDB时,需要在命令行加参数—-dbpath
  • 启航服务   

    • MongoDB提供了零星种植方式:mongod.exe以后台过程启动;mongo.exe启动命令行界面,可做管理操作。这简单只可执行文件都坐落Mongo\bin目录下;
    • 进去Mongo安装目录的bin目录下,比如:C:> cd Mongo\bin
    • 发生少数种植启动方式,如下:

      mongod.exe –dbpath C:\Mongo\data
      

      或者       

      mongod.exe –config mongodb.config
      

             
      mongodb.config是Mongo\bin目录下之部署文件,需要在这个布局文件中指定数量目录(比如,dbpath=
      C:\Mongo\Data)的位置。

  • 连年至MongoDB,到及时等同步,mongo后台服务既起步,可以由此http://localhost:27017查看。
    MongoDB启动运行后,我们连下去看它们的聚合函数。

贯彻聚合函数

于关系数据库中,我们得在数值类字段上推行包含预定义聚合函数的SQL语句,比如,SUM()、COUNT()、MAX()和MIN()。但是以MongoDB中,需要通过MapReduce功能来兑现集以及批判处理,它同SQL里之所以来落实集的GROUP
BY从句比较接近。下一样省用讲述关系数据库中SQL方式实现的会师和呼应的通过MongoDB提供的MapReduce实现的汇聚。

为了讨论这个主题,我们着想如下所展示之Sales表,它以MongoDB中的倒范式形式呈现。

Sales表

#

列名

数据类型

1

OrderId

INTEGER

2

OrderDate

STRING

3

Quantity

INTEGER

4

SalesAmt

DOUBLE

5

Profit

DOUBLE

6

CustomerName

STRING

7

City

STRING

8

State

STRING

9

ZipCode

STRING

10

Region

STRING

11

ProductId

INTEGER

12

ProductCategory

STRING

13

ProductSubCategory

STRING

14

ProductName

STRING

15

ShipDate

STRING

 

基于SQL和MapReduce的实现

咱提供了一个询问的样例集,这些查询利用聚合函数、过滤条件及分组由句,及其一致的MapReduce实现,即MongoDB实现SQL中GROUP
BY的等同方式。在MongoDB存储的文档上实行聚合操作非常有因此,这种措施的一个范围是聚合函数(比如,SUM、AVG、MIN、MAX)需要通过mapper和reducer函数来定制化实现。

MongoDB没有原来生态之用户从定义函数(UDFs)支持。但是它同意行使db.system.js.save命令来创造并保存JavaScript函数,JavaScript函数可以于MapReduce中复用。下表是一对常用的聚合函数的贯彻。稍后,我们会谈谈这些函数在MapReduce任务中的行使。

聚合函数

Javascript 函数

SUM

db.system.js.save( { _id : "Sum" ,
value : function(key,values)
{
    var total = 0;
    for(var i = 0; i < values.length; i++)
        total += values[i];
    return total;
}});

AVERAGE

db.system.js.save( { _id : "Avg" ,
value : function(key,values)
{
    var total = Sum(key,values);
    var mean = total/values.length;
    return mean;
}});

MAX

db.system.js.save( { _id : "Max" ,
value : function(key,values)
{
    var maxValue=values[0];
    for(var i=1;i

MIN

db.system.js.save( { _id : "Min" ,
value : function(key,values)
{
    var minValue=values[0];
    for(var i=1;i

VARIANCE

db.system.js.save( { _id : "Variance" ,
value : function(key,values)
{
    var squared_Diff = 0;
    var mean = Avg(key,values);
    for(var i = 0; i < values.length; i++)
    {
        var deviation = values[i] - mean;
        squared_Diff += deviation * deviation;
    }
    var variance = squared_Diff/(values.length);
    return variance;
}});

STD DEVIATION

db.system.js.save( { _id : "Standard_Deviation"
, value : function(key,values)
{
    var variance = Variance(key,values);
    return Math.sqrt(variance);
}});

 

SQL和MapReduce脚本在四栽不同的之所以例场景中实现聚合函数的代码有如下表所示。

1.各国地方的平均订单量

下的查询是为此来博取不同地段的平分订单量。

SQL Query

MapReduce Functions

SELECT

db.sales.runCommand(
{
mapreduce : "sales" ,

 

City,

State,

Region,

map:function()
{ // emit function handles the group by
        emit( {
        // Key
        city:this.City,
        state:this.State,
        region:this.Region},
        // Values
        this.Quantity);
},

 

AVG(Quantity)

reduce:function(key,values)
{
    var result = Avg(key, values);
    return result;
}

FROM sales

 

GROUP BY City, State, Region

// Group By is handled by the emit(keys, values)
 line in the map() function above
 
out : { inline : 1 } });

2.出品之归类销售总额

脚的询问是为此来取得产品的分类销售额,根据产品类别的层级分组。在底下例子中,不同的产品类别作为个人维度,它们啊得被叫作更复杂的根据层次之维度。

SQL 查询

MapReduce 函数

SELECT

db.sales.runCommand(
{
mapreduce : "sales" ,

 

ProductCategory, ProductSubCategory, ProductName,

map:function()
{
        emit(
        // Key
        {key0:this.ProductCategory,
        key1:this.ProductSubCategory,
        key2:this.ProductName},
        // Values
        this.SalesAmt);
},

 

SUM(SalesAmt)

reduce:function(key,values)
{
    var result = Sum(key, values);
    return result;
}

FROM sales

 

GROUP BY ProductCategory, ProductSubCategory, ProductName

// Group By is handled by the emit(keys, values) 
line in the map() function above
 
out : { inline : 1 } });
 

 

3. 一致种植产品之尽老利润

下的询问是故来博一个加以产品基于过滤条件的极端充分利。

SQL查询

MapReduce 函数

SELECT

db.sales.runCommand(
{
mapreduce : "sales" ,

 

 

ProductId, ProductName,

map:function()
{
    if(this.ProductId==1)
        emit( {
            key0:this.ProductId,
            key1:this.ProductName},
            this.Profit);
},

 

MAX(SalesAmt)

reduce:function(key,values)
{
    var maxValue=Max(key,values);
    return maxValue;
}

FROM sales

 

WHERE ProductId=’1’

// WHERE condition implementation is provided in 
map() function

GROUP BY ProductId, ProductName

// Group By is handled by the emit(keys, values) 
line in the map() function above
 
out : { inline : 1 } });

 

4. 总量、总销售额、平均净利润

其一景的需是计量订单的总和、总销售额和平均净利润,订单ID在1至10里边,发货时间以2011年之1月1日到12月31日里边。下面的询问是故来推行多只集,比如,在指定年份以及指定的例外区域及产品类别范围里订单的总数、总销售额和平均净利润。

SQL 查询

MapReduce 函数

SELECT

db.sales.runCommand(
{ mapreduce : "sales" ,

 

 

Region,

ProductCategory,

ProductId,

map:function()
{
    emit( {
        // Keys
        region:this.Region,
        productCategory:this.ProductCategory,
        productid:this.ProductId},

        // Values
        {quantSum:this.Quantity,
        salesSum:this.SalesAmt,
        avgProfit:this.Profit} );
}

 

 

 

Sum(Quantity),

Sum(Sales),

Avg(Profit)

reduce:function(key,values)
{
    var result=
{quantSum:0,salesSum:0,avgProfit:0};
    var count = 0;
    values.forEach(function(value)
    {
        // Calculation of Sum(Quantity)
        result.quantSum += values[i].quantSum;
        // Calculation of Sum(Sales)
        result.salesSum += values[i].salesSum;
        result.avgProfit += values[i].avgProfit;
        count++;
    }
    // Calculation of Avg(Profit)
    result.avgProfit = result.avgProfit / count;
    return result;
},

FROM Sales

 

WHERE

 

Orderid between 1 and 10 AND

Shipdate BETWEEN ‘01/01/2011’ and

‘12/31/2011’

query : {
        "OrderId" : { "$gt" : 1 },
        "OrderId" : { "$lt" : 10 },
        "ShipDate" : { "$gt" : "01/01/2011" },
        "ShipDate" : { "$lt" : "31/12/2011" },
},

GROUP BY

Region, ProductCategory, ProductId

// Group By is handled by the emit(keys, values) 
line in the map() function above

LIMIT 3;

limit : 3,
 
out : { inline : 1 } });

既我们已经扣押了以不同工作场景下的聚合函数的代码示例,接下我们准备来测试这些函数。

测试聚合函数

MongoDB的MapReduce功能通过数据库命令来调用。Map和Reduce函数在头里章节里既下JavaScript实现。下面是实施MapReduce函数的语法。

db.runCommand(

    { mapreduce : <collection>,

        map : <mapfunction>,

        reduce : <reducefunction>

        [, query : <query filter object>]

        [, sort : <sorts the input objects using this key. Useful for 
 optimization, like sorting by the emit key for fewer reduces>]

        [, limit : <number of objects to return from collection>]

        [, out : <see output options below>]

        [, keeptemp: <true|false>]

        [, finalize : <finalizefunction>]

        [, scope : <object where fields go into javascript global scope >]

        [, jsMode : true]

        [, verbose : true]

    }

)


Where the Output Options include:

{ replace : "collectionName" }

{ merge : "collectionName"

{ reduce : "collectionName" }

{ inline : 1}

 

 

下是因此来保存聚合函数并于MapReduce中以的指令。

启动Mongo命令行并设置表

  • 担保Mongo后台进程在运作,然后实施mongo.exe启动Mongo命令行。
  • 运用命令切换数据库:use mydb
  • 行使命令查看Sales表的内容:db.sales.find()

find命令的出口如下:

{ "_id" : ObjectId("4f7be0d3e37b457077c4b13e"), "_class" : "com.infosys.mongo.Sales", "orderId" : 1, "orderDate" : "26/03/2011",
"quantity" : 20, "salesAmt" : 200, "profit" : 150, "customerName" : "CUST1", "productCategory" : "IT", "productSubCategory" : "software", 
"productName" : "Grad", "productId" : 1 }
{ "_id" : ObjectId("4f7be0d3e37b457077c4b13f"), "_class" : "com.infosys.mongo.Sales", "orderId" : 2, "orderDate" : "23/05/2011", 
"quantity" : 30, "salesAmt" : 200, "profit" : 40, "customerName" : "CUST2", "productCategory" : "IT", "productSubCategory" : "hardware",
 "productName" : "HIM", "productId" : 1 }
{ "_id" : ObjectId("4f7be0d3e37b457077c4b140"), "_class" : "com.infosys.mongo.Sales", "orderId" : 3, "orderDate" : "22/09/2011",
 "quantity" : 40, "salesAmt" : 200, "profit" : 80, "customerName" : "CUST1", "productCategory" : "BT", "productSubCategory" : "services",
 "productName" : "VOCI", "productId" : 2 }
{ "_id" : ObjectId("4f7be0d3e37b457077c4b141"), "_class" : "com.infosys.mongo.Sales", "orderId" : 4, "orderDate" : "21/10/2011", 
"quantity" : 30, "salesAmt" : 200, "profit" : 20, "customerName" : "CUST3", "productCategory" : "BT", "productSubCategory" : "hardware", 
"productName" : "CRUD", "productId" : 2 }
{ "_id" : ObjectId("4f7be0d3e37b457077c4b142"), "_class" : "com.infosys.mongo.Sales", "orderId" : 5, "orderDate" : "21/06/2011", 
"quantity" : 50, "salesAmt" : 200, "profit" : 20, "customerName" : "CUST3", "productCategory" : "BT", "productSubCategory" : "hardware", 
"productName" : "CRUD", "productId" : 1 }

 

创建并保存聚合函数

  • 经MongoDB命令行窗口实行如下命令:

> db.system.js.save( { _id : "Sum" ,
value : function(key,values)
{
    var total = 0;
    for(var i = 0; i < values.length; i++)
        total += values[i];
    return total;
}}); 
  • 以演示表Sales表上推行MapReduce程序

> db.sales.runCommand(
{
mapreduce : "sales" ,
map:function()
{
emit(
{key0:this.ProductCategory,
key1:this.ProductSubCategory,
key2:this.ProductName},
this.SalesAmt);
},
reduce:function(key,values)
{
    var result = Sum(key, values);
    return result;
}
out : { inline : 1 } });

输出如下:

"results" : [
        {
                "_id" : {
                        "key0" : "BT",
                        "key1" : "hardware",
                        "key2" : "CRUD"
                },
                "value" : 400
        },
        {
                "_id" : {
                        "key0" : "BT",
                        "key1" : "services",
                        "key2" : "VOCI"
                },
                "value" : 200
        },
        {
                "_id" : {
                        "key0" : "IT",
                        "key1" : "hardware",
                        "key2" : "HIM"
                },
                "value" : 200
        },

        {
                "_id" : {
                        "key0" : "IT",
                        "key1" : "software",
                        "key2" : "Grad"
                },
                "value" : 200
        }
],
"timeMillis" : 1,
"timing" : {
        "mapTime" : NumberLong(1),
        "emitLoop" : 1,
        "total" : 1
},
"counts" : {
        "input" : 5,
        "emit" : 5,
        "output" : 4
},
"ok" : 1

总结

MongoDB提供了面向文档的囤结构,可以十分轻扩展支持TB级数据。同时为提供了Map
Reduce功能,可以经批处理方式使用类SQL函数来落实多少聚合。在这篇稿子中,我们描述了安装MongoDB并采用MapReduce特性执行聚合函数的进程,也供了大概SQL聚合的MapReduce示例实现。在MongoDB中,更扑朔迷离的聚合函数也得由此以MapReduce功能实现。

至于作者

Arun Viswanathan Infosys公司Cloud Center of Excellence (CoE)的技术架构师,该公司在IT和商业咨询服务上位于全球领先的地位。Arun在Java、JavaEE、云计算以及大数据应用架构的定义和实现方面有9年半的工作经验。他现在从事大数据解决方案的设计、开发和咨询。Email: Arun_Viswanathan01@infosys.com.

Shruthi Kumar Infosys公司Cloud Center of Excellence (CoE)的技术分析师,该公司在IT和商业咨询服务上位于全球领先的地位。Shruthi在Java、网格计算、云计算以及大数据应用架构上有5年的工作经验。她现在从事大数据解决方案的开发和咨询。Email: Shruthi_Kumar01@infosys.com.

原文链接:http://www.infoq.com/articles/implementing-aggregation-functions-in-mongodb

网站地图xml地图