1

我正在设计的系统应该能够处理数以百万计的文档并以不同的方式报告它们。mongoDb map\reduce 任务是我正在尝试实现的（目前正在对此进行一些调查）。非常基本的文档结构是

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（逐字逐句的百分比）。

我正在使用finalize方法进行下一个 map-reduce 工作来计算不同的平均值。

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 - 来计算我发出的逐字记录的数量。totalCount 是范围（全局）变量。One mongoDb 安装一切顺利，但是当转到分片实例时，我得到percentOfVerbatim的“Infinity” 。

实际上，在这种情况下，totalCount只是db.test.count()（文档数），但将来我将为要计数的文档添加不同的条件。执行任何其他查询是非常不可取的，因为 db 非常重。

是否有其他方法可以在多实例 mongodb 安装上使用全局（范围）变量？还是我应该使用其他东西？

4

2 回答 2

2

范围变量不在分片之间共享。您可以将其视为全局常量。对于在不同分片上运行的 map 或 reduce 函数，对值的更新将不可见。

于 2012-03-15T19:06:22.560 回答
0

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，然后在 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});

减少函数如下：

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。

实际上对于 110 万个文档，执行速度显着减慢

于 2012-03-16T09:57:02.893 回答