基于 MongoDB 分布式存储进行 MapReduce 并行查询

小编辑 发布于 2010/11/25 22:07
阅读 1K+
收藏 2

之前的文章中介绍了如何基于Mongodb进行关系型数据的分布式存储,有了存储就会牵扯到查询。虽然用普通的方式也可以进行查询,但今天要介绍的是如何使用MONGODB中提供的MapReduce功能进行查询。
有关MongoDb的MapReduce之前我写过一篇文章 Mongodb Mapreduce 初窥,

今天介绍如何基于sharding机制进行mapreduce查询。在MongoDB的官方文档中,这么一句话:

Sharded Environments
In sharded environments, data processing of map/reduce operations runs in parallel on all shards.

即: map/reduce操作会并行运行在所有的shards上。
下面我们就用之前这篇文章中白搭建的环境来构造mapreduce查询:

首先要说的是,基于sharding的mapreduce与非sharding的数据在返回结构上有一些区别,我目前注意到的主要是不支持定制式的json格式的返回数据,也就是下面方式可能会出现问题:

return { count : total };

注意:上面的情况目前出现在了我的测试环境下,如下图:

http://daizhj.cnblogs.com/images/cnblogs_com/daizhj/mongodb_sharding_mapreduce4.gif

就需要改成 return count;

下面是测试代码,首先是按帖子id来查询相应数量(基于分组查询实例方式):

public partial class getfile : System.Web.UI.Page
{

public Mongo Mongo { get; set; }

public IMongoDatabase DB
{
get
{
return this.Mongo["dnt_mongodb"];
}
}

///
/// Sets up the test environment. You can either override this OnInit to add custom initialization.
///
public virtual void Init()
{
string ConnectionString = "Server=10.0.4.85:27017;ConnectTimeout=30000;ConnectionLifetime=300000;MinimumPoolSize=512;MaximumPoolSize=51200;Pooled=true";
if (String.IsNullOrEmpty(ConnectionString))
throw new ArgumentNullException("Connection string not found.");
this.Mongo = new Mongo(ConnectionString);
this.Mongo.Connect();
}
string mapfunction = "function(){\n" +
" if(this._id=='548111') { emit(this._id, 1); } \n" +
"};";

string reducefunction = "function(key, current ){" +
" var count = 0;" +
" for(var i in current) {" +
" count+=current[i];" +
" }" +
" return count ;\n" +
"};";

protected void Page_Load(object sender, EventArgs e)
{
Init();

var mrb = DB["posts1"].MapReduce();//attach_gfstream.files
int groupCount = 0;
using (var mr = mrb.Map(mapfunction).Reduce(reducefunction))
{
foreach (Document doc in mr.Documents)
{
groupCount = int.Parse(doc["value"].ToString());
}
}
this.Mongo.Disconnect();
}
}

下面是运行时的查询结果,如下:

http://daizhj.cnblogs.com/images/cnblogs_com/daizhj/mongodb_sharding_mapreduce1.gif

接着演示一下如何把查询到的帖子信息返回并装入list集合,这里只查询ID为548110和548111两个帖子:

string mapfunction = "function(){\n" +
" if(this._id=='548110'|| this._id=='548111') { emit(this, 1); } \n" +
"};";

string reducefunction = "function(doc, current ){" +
" return doc;\n" +
"};";

protected void Page_Load(object sender, EventArgs e)
{
Init();

var mrb = DB["posts1"].MapReduce();//attach_gfstream.files
List postDoc = new List();
using (var mr = mrb.Map(mapfunction).Reduce(reducefunction))
{
foreach (Document doc in mr.Documents)
{
postDoc.Add((Document)doc["value"]);
}
}
this.Mongo.Disconnect();
}

下面是运行时的查询结果,如下:

http://daizhj.cnblogs.com/images/cnblogs_com/daizhj/mongodb_sharding_mapreduce3.gif

上面的map/reduce方法还有许多写法,如果大家感兴趣可以看一下如下这些链接:

http://cookbook.mongodb.org/patterns/unique_items_map_reduce/

http://www.mongodb.org/display/DOCS/MapReduce

以及之前我写的这篇文章:http://www.cnblogs.com/daizhj/archive/2010/06/10/1755761.html

当然在mongos进行map/reduce运算时,会生成一些临时文件,如下图:
http://daizhj.cnblogs.com/images/cnblogs_com/daizhj/mongodb_sharding_mapreduce2.gif

我猜这些临时文件可能会对再次查询系统时的性能有一些提升(但目前未观察到)。

当然对于mongodb的gridfs系统(可使用它搭建分布式文件存储系统,我之前在这篇文章中已介绍过,我也做了测试,但遗憾的是并未成功,它经常会报一些错误,比如:

Thu Sep 09 12:09:29 Assertion failure _grab client\parallel.cpp 461

看来mapreduce程序链接到mongodb上时,会产生一些问题,但不知道是不是其自身稳定性的原因,还是我的机器环境设置问题(内存或配置的64位系统mongos与32位的client连接问题)。

好了,今天的文章就先到这里了。

原文链接:http://www.cnblogs.com/daizhj/archive/2010/09/09/1822264.html

BLOG: http://daizhj.cnblogs.com/

作者:daizhj,代震军

加载中
返回顶部
顶部