1. 数据结构
我们定义orders集合中的文档结构：
{
"_id": ObjectId("..."),
"orderId": "12345",
"customerId": "C123",
"orderDate": ISODate("20230401T12:00:00Z"),
"amount": 100.00
}
2. MapReduce 函数
我们定义MapReduce的map和reduce函数。
Map 函数
Map函数的目的是将每个文档转换为一个键值对，其中键是客户ID，值是订单金额。
function() {
emit(this.customerId, this.amount);
}
Reduce 函数
Reduce函数的目的是对每个客户ID的订单金额进行累加。
function(key, values) {
return Array.reduce(values, function(a, b) { return a + b; });
}
3. MapReduce 操作
现在我们可以使用MapReduce操作来执行这些函数。
db.orders.mapReduce(
function() {
emit(this.customerId, this.amount);
},
function(key, values) {
return Array.reduce(values, function(a, b) { return a + b; });
},
{
out: "customerTotals"
}
);
在这个例子中：
map 函数被传递给MapReduce操作，它负责生成中间键值对。
reduce 函数也被传递，它负责合并相同键的值。
{ out: "customerTotals" } 表示结果将被输出到名为customerTotals的新集合中。
4. 查询结果
执行MapReduce操作后，你可以查询customerTotals集合来查看每个客户的总订单金额。
db.customerTotals.find();
这将返回类似以下结果的文档：
{
"_id": "C123",
"value": 250.00
}
这意味着客户ID为C123的客户总订单金额为250.00。
这个例子展示了如何使用MongoDB的MapReduce功能来处理数据，通过将订单数据按照客户ID进行分组并计算每个客户的总订单金额，从而实现对数据的聚合和转换。
原创文章，作者：未希，如若转载，请注明出处：https://www.kdun.com/ask/1175271.html
