couchDB视图

视图函数

map函数

Map方法的参数只有一个,就是当前的文档对象。Map方法的实现需要根据文档对象的内容,确定是否要输出结果。 如果需要输出的话,可以通过emit来完成。 emit方法有两个参数,分别是key和value,分别表示输出结果的键和值。 使用什么样的键和值应该根据视图的实际需要来确定。 emit函数可以在map函数里被调用多次,创建一个文档的多个记录。 
当希望对文档的某个字段进行排序和过滤操作的时候,应该把该字段作为键(key)或是键的一部分; value的值可以提供给 Reduce 方法使用,也可能会出现在最终的结果中。 可以作为键的不仅是简单数据类型,也可以是任意的 JSON 对象。比如emit([doc.title, doc.price], doc)中,使用数组作为键。

map函数示例(javascript代码):

function(doc) {
  emit(doc._id, doc);
}

reduce函数

Reduce方法的参数有三个:key、values和rereduce,分别表示键、值和是否是rereduce 。 由于rereduce情况的存在,Reduce 方法一般需要处理两种情况:

传入的参数rereduce的值为false

这表明Reduce方法的输入是 Map方法输出的中间结果。

参数key的值是一个数组,对应于中间结果中的每条记录。 该数组的每个元素都是一个包含两个元素的数组,第一个元素是在Map方法中通过emit输出的键(key),第二个元素是记录所在的文档 ID 。

参数values的值是一个数组,对应于 Map 方法中通过emit输出的值(value)。

传入的参数rereduce的值为true

这表明Reduce方法的输入是上次Reduce方法的输出。

参数key的值为null。

参数values的值是一个数组,对应于上次Reduce方法的输出结果。

reduce函数示例(javascript代码):

function (key, values, rereduce) {
    return sum(values);
}

实例解析

1、创建数据库testdb2,添加如下文档 :

{
   "_id": "ef3c0dddfd988a9fa5dd77452a46a5e6", 
   "phoneNumber": "1001",
   "billSeconds": 180,
   "timestamp": "201408251705"
}

{
   "_id": "ef3c0dddfd988a9fa5dd77452a482dd0",
   "phoneNumber": "1001",
   "billSeconds": 100,
   "timestamp": "201408251715"
}

上述是分机1001的两条CDR,记录了两次通话的billSeconds,如果要计算通话时长,需要将 phoneNumber作为key,billSeconds作为value进行map和reduce操作。

2、用map操作过滤数据

function(doc) {    
  emit(doc.phoneNumber, doc.billSeconds); 
}

map函数以phoneNumber参数作为key,以billSeconds作为value对数据库执行过滤操作。

3、用reduce计算结果

function (key, values, rereduce) 
{   
    return sum(values); 
}

reduce函数执行聚合操作,将key相同的value进行求和。

完整view创建代码如下:

{
   "_id": "_design/jsTest", 
   "language": "javascript",
   "views": {
       "all": {
           "map": "function(doc) {  emit(doc.phoneNumber, doc.billSeconds); }",
           "reduce": "function (key, values, rereduce) {   return sum(values); }"
       }
   }
}

查询结果

单独执行map的结果:

curl http://127.0.0.1:5984/testdb2/_design/jsTest/_view/all?reduce=false

{"total_rows":2,"offset":0,"rows":[
{"id":"ef3c0dddfd988a9fa5dd77452a46a5e6","key":"1001","value":180},
{"id":"ef3c0dddfd988a9fa5dd77452a482dd0","key":"1001","value":100}
]}

map-reduce结果:

curl http://127.0.0.1:5984/testdb2/_design/jsTest/_view/all?group=true

{"rows":[
{"key":"1001","value":280}
]}

视图类别

临时视图

python示例:

import couchdb

server = couchdb.Server("http://192.168.131.121:5984")
db = server.create(‘python-tests‘)
db[‘johndoe‘] = dict(type=‘Person‘, name=‘John Doe‘)
db[‘maryjane‘] = dict(type=‘Person‘, name=‘Mary Jane‘)
db[‘gotham‘] = dict(type=‘City‘, name=‘Gotham City‘)
map_fun = ‘‘‘function(doc) {
     if (doc.type == ‘Person‘)
         emit(doc.name, null);
}‘‘‘

for row in db.query(map_fun):
    print(row.key)

del server[‘python-tests‘]

BigCouch不支持临时视图

永久视图

python示例:

import couchdb

server = couchdb.Server("http://192.168.131.121:5984")
db = server.create(‘python-tests‘)

db[‘johndoe‘] = dict(type=‘Person‘, name=‘John Doe‘)
db[‘maryjane‘] = dict(type=‘Person‘, name=‘Mary Jane‘)
db[‘gotham‘] = dict(type=‘City‘, name=‘Gotham City‘)

viewData = {
"getdata":{
    "map":"function(doc){ if (doc.type == ‘Person‘) emit(doc.name, null);}"
 }
}
db[‘_design/example‘] = dict(language=‘javascript‘, views=viewData)

for row in db.view(‘example/getdata‘):
    print(row.key)

del server[‘python-tests‘]

视图实现语言

javascript实现

couchDB默认的查询语言是javascript,不需要进行配置即可使用js创建视图。

示例代码:

{
   "_id": "_design/jsTest", 
   "language": "javascript",
   "views": {
       "all": {
           "map": "function(doc) {  emit(doc._id, doc); }",
           "reduce": "function (key, values, rereduce) {   return values.length; }"
       }
   }
}

erlang实现

编辑local.ini文件,添加如下配置:

[native_query_servers]
erlang = {couch_native_process, start_link, []}

配置后需要重启couchDB服务器。

示例代码:

{
   "_id": "_design/erlangTest",
   "language": "erlang",
   "views": {
       "all": {
           "map": "%% Map Function\nfun({Doc}) ->\n  V = proplists:get_value(<<\"_id\">>, Doc, null),\n  Emit(V,{Doc})\nend.\n\n",
           "reduce": "%% Reduce Function\nfun(Keys, Values, ReReduce) -> length(Values) end."
       }
   }
}

python实现

安装couchdb-python包:

pip install pycouchdb

or

pip install -i http://simple.crate.io/ pycouchdb

or

git clone git://github.com/niwibe/py-couchdb.git
cd py-couchdb
python setup.py install

编辑local.ini文件,添加如下配置:

[query_servers]
python=/usr/bin/couchpy

配置后需要重启couchDB服务器。

示例代码:

{
   "_id": "_design/pythonTest",       
   "language": "python",
   "views": {
       "all": {
           "map": "def fun(doc):\n    yield doc[‘_id‘],doc\n",
           "reduce": "def fun(key, values, rereduce):\n    return len(values)\n"               
       }
   }
}

视图的使用

运行视图的可选参数

key         限定结果中只包含键为该参数值的记录。     
startkey    限定结果中只包含键大于或等于该参数值的记录。    
endkey      限定结果中只包含键小于或等于该参数值的记录。    
limit       限定结果中包含的记录的数目。          
descending  指定结果中记录是否按照降序排列。            
skip        指定结果中需要跳过的记录数目。             
group       指定是否对键进行分组。             
reduce      指定reduce=false可以只返回 Map 方法的运行结果。

示例数据:

{
   "_id": "ef3c0dddfd988a9fa5dd77452a46a5e6", 
   "phoneNumber": "1001",
   "billSeconds": 180,
   "timestamp": "201408251705"
}

{
   "_id": "ef3c0dddfd988a9fa5dd77452a482dd0",
   "phoneNumber": "1001",
   "billSeconds": 100,
   "timestamp": "201408251715"
}

{
   "_id": "ef3c0dddfd988a9fa5dd77452a63a9e3",
   "phoneNumber": "1002",
   "billSeconds": 180,
   "timestamp": "201408251735"
}

{
   "_id": "5fecc0d7fe5acac6b46359b5eec4f3ff",
   "phoneNumber": "1003",
   "billSeconds": 190,
   "timestamp": "201408261035"
}

{
   "_id": "_design/jsTest",
   "language": "javascript",
   "views": {
       "all": {
           "map": "function(doc) {  emit(doc.phoneNumber, doc.billSeconds); }",
           "reduce": "function (key, values, rereduce) {return sum(values); }"
       }
   }
}

查找单个文档

语法:

/database/_design/designdocname/_view/viewname?key="${key}"

示例:

curl "http://192.168.131.121:5984/testdb2/_design/jsTest/_view/all?group=true&key=\"1001\""

{"rows":[
{"key":"1001","value":280}
]}

查找多个文档

语法:

/database/_design/designdocname/_view/viewname?startkey="${startkey}"&endkey="${endkey}"

示例:

curl "http://192.168.131.121:5984/testdb2/_design/jsTest/_view/all?group=true&startkey=\"1001\"&endkey=\"1002\""

{"rows":[
{"key":"1001","value":280},
{"key":"1002","value":180}
]}

curl "http://192.168.131.121:5984/testdb2/_design/jsTest/_view/all?group=true&startkey=\"1001\""

{"rows":[
{"key":"1001","value":280},
{"key":"1002","value":180},
{"key":"1003","value":190}
]}

curl "http://192.168.131.121:5984/testdb2/_design/jsTest/_view/all?group=true&endkey=\"1002\""

{"rows":[
{"key":"1001","value":280},
{"key":"1002","value":180}
]}







一般的关系数据库只要数据的结构是正确的,就允许运行任何的查询操作,同样的,CouchDB使用事先定义好的Map和Reduce函数以Map/Reduce的方式来进行查询。这些函数为用户提供了极大的灵活性,由于每一个文档都可以单独、并行地进行计算,所以它们可以适应不同的文档结构和索引[2]。CouchDB将一个Map函数和一个Reduce函数结合在一起称之为视图。
CouchDB中的视图是用来获得开发者或当前程序想要的数据集的方式,而且是一种静态的数据查询方式[3]。视图很有用,在筛选数据库中的文档,为某个特殊的程序找到相关的文档;按照一定的顺序从数据库的文档中提取数据;按照某种需要的值为文档建立相应的索引等情况下都可以使用。总之,CouchDB中的视图所做的事情与关系数据库中的SQL查询所做的事情有许多类似之处,是开发应用程序,浏览数据库中的文档必不可少的工具。
在CouchDB中一般将视图称为MapReduce视图,一个MapReduce视图由两个JavaScript函数组成,一个是Map函数,这个函数必须定义;另一个是Reduce函数,这个是可选的,根据程序的需要可以进行选择性定义[3]。
详细介绍CouchDB的Map和Reduce执行过程之前,先了解一下Futon为我们提供的临时视图(Temporary View)。临时视图是Futon中的一个可以对视图进行调试的界面(见图),没有问题的函数可以保存在Design文档中形成固定的视图。为了了解Map和Reduce的过程,我们以建立一个数据库groups为例来进行讲解,如图所示。

 
在groups中我们添加三个文档作为示例,文档的内容分别如下:
{   "_id": "4c1168fca1d0ad9f69a1267b86000ed5", 
 "_rev": "1-283727dba699785809c18abc7eaedfcc",  
 "名称": "A小组",  
 "成员": [      
  "李刚",      
  "刘伟",      
  "赵小云"  
  ],  
 "平均年龄": 23,  
 "所获荣誉": [      
  "卫生先进小组",      
  "文体先进小组",      
  "学习先进小组"  
  ]
}
{   "_id": "4c1168fca1d0ad9f69a1267b86001c23",  
 "_rev": "2-42b7064413f6667f3c3cfc77dc0dd0de",  
 "名称": "B小组",  
 "成员": [      
  "张力",      
  "刘明"  
  ],  
 "平均年龄": 22.5,  
 "所获荣誉": [      
  "学习先进小组",      
  "文体先进小组",      
  "卫生先进小组"  
  ]
 }
{   "_id": "4c1168fca1d0ad9f69a1267b86002695",  
 "_rev": "1-2d7bd5cff3806e3227fc9b48fa3b8cc8",  
 "名称": "C小组",  
 "成员": [      
  "刘明",      
  "杨丽",      
  "马晓雯",      
  "朱慧"  
  ],  
 "平均年龄": 21,  
 "所获荣誉": [      
  "文体先进小组",      
  "学习先进小组"  
  ]
 }
在Map的步骤中,输入的文档会从原始的结构转换或者映射为新的key/value对。现在我们通过一个Map函数来完成对小组名称的查询。在临时视图中输入以下函数:
function(doc) {
 if(doc.名称)
  {
   emit(doc.名称);
  }
   }
运行后得到如图11-9所示的结果。

 
可以看到我们查询到了所有小组的名称,同时也可以看到小组的名称的下面还有该文档的ID。还可以查询出所有小组中的所有人的姓名。
Map函数如下:
function(doc) {
 if(doc.成员)
  {
   for(var i in doc.成员)
    {
     emit(doc.成员[i]);
    }
  }
   }
该函数的运行结果如图11-10所示。

 
单击图11-10所示界面左上角的“key”按钮可以执行改变成员的姓名称的排序等操作。
现在来看看Reduce函数的执行过程。Reduce就是将执行Map函数后得到的key/value对削减为一个单个的值或一个数据集合,这个过程是可选择的,而Map函数的执行过程是一个视图所必需的。前面提到一个Map函数执行的过程会产生包含文档ID和key以及value的行,Reduce的输入则是这些由Map得到的key/value的值,而不是文档ID。执行Reduce函数过后,将会产生一个单独的对所有value的化简结果或一个基于key的所有分组的计算。分组(Grouping)的操作无法在Reduce函数中控制,它只能通过传递到视图中的参数来控制。
CouchDB本身包含了三个内嵌的Reduce函数,分别是:_count,_sum和_stats,它们的功能分别如表11-2所示。在大多数情况下,对于我们开发CouchDB的应用程序来说,它们基本上够用了。在这三个函数中,_sum和_stats仅仅会对数据的值进行化简,而_count函数可以对任何类型的值计数,当然也包括null类型的值。
表11-2  内嵌Reduce函数

函    数    输    出    
_count    返回Map结果集中值的个数    
_sum    返回Map结果集中数值的求和结果    
_stats    返回Map结果集中数值的统计结果    
 内嵌的_count函数是开发程序的时候最常用的Reduce函数,由于该函数可以用来统计任何值的个数,包括null值,所以当Map函数中emit的value值略去不写的时候,也可以使用该函数。下面是一个示例。
Map函数:
function(doc) {
 if(doc.成员)
  {
   for(var i in doc.成员)
    {
     emit(doc.成员[i]);
    }
  }
   }
Reduce函数:
_count
程序运行的结果如图11-11所示。

 
内嵌函数_sum会返回一个Map函数输出的值的和,所以该函数要求所有求和的值均为数值类型。
Map函数:
function(doc) {
 if(doc.成员)
  {
   for(var i in doc.成员)
    {
     emit(doc.成员[i] ,doc.平均年龄);
    }
  }
   }
Reduce函数:
_sum
在“Grouping”下拉框中选择“exact”,则返回每个人对应的平均年龄。运行的结果如图11-12所示。
内嵌函数_stats返回一个JSON数据对象,该对象中包含sum、count、min、max、sumsqr的值,分别表示求和、计数、求最小值、求最大值、求和的平方。和_sum一样,该函数同样要求所有的参与运算的值均为数值类型。

 
Map函数:
function(doc) {
 if(doc.成员)
  {
   for(var i in doc.成员)
    {
     emit(doc.成员[i] ,doc.平均年龄);
    }
  }
   }
Reduce函数:
_stats
执行后的结果如图11-13所示。
在执行Map/Reduce的过程中,数据库中的每一个文档为Map函数的参数,该函数可以将所有的文档都忽略,或者通过emit()返回一行或者多行key/value对。除了文档之外Map函数几乎不依靠任何信息,正是这种执行的独立性,使得CouchDB视图可以大量、并行地产生。

 
CouchDB的视图按照键(key)的顺序进行排序并以行组(rows)的形式进行存储,因此即使按照多个键值在成百万、上千万的数据中进行检索也会具有很高的执行效率。所以,当编写Map函数的时候,首要的目标就是建立一个按照相似的键值来存储相关数据的索引。
虽然MapReduce的功能很强大,可以完成很多的工作,但它也有自己的局限性。在Map阶段产生的索引是一维的,这就意味着在Reduce的阶段不能产生大量的数据,否则会大大降低程序的性能。比如,CouchDB的MapReduce并不适于全文本检索和自组织搜索等应用,这类问题更适合用Lucene这样的工具来解决。此外,在CouchDB中处理地理信息数据也并不是很方便,如果需要处理地理信息数据,则最好使用CouchDB的一个分支系统GeoCouch。

 

 

 

原文地址 http://my.oschina.net/u/811958/blog/368661

 

郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。