Question

我遇到了问题，我在mongodb中有数据，如下所示：

{"miejscowosci_str":"OneCity", "wojewodztwo":"FirstRegionName", "ZIP-Code" : "...", ...}
{"miejscowosci_str":"TwoCity", "wojewodztwo":"FirstRegionName", "ZIP-Code" : "...", ...}
{"miejscowosci_str":"ThreeCity", "wojewodztwo":"SecondRegionName", "ZIP-Code" : "...", ...}
{"miejscowosci_str":"FourCity", "wojewodztwo":"SecondRegionName", "ZIP-Code" : "...", ...}

等等我想要的是列出所有地区（wojewodztwo）并计算每个地区的平均邮政编码数量，我知道如何计算地区的所有邮政编码：

var map = function() {
    emit(this.wojewodztwo,1);
};
var reduce = function(key, val) {
    var count = 0;
    for(i in val) {
        count += val[i];
    }
    return count;
};
db.kodypocztowe.mapReduce(
    map,
    reduce,
    { out : "result" }
);

但我不知道如何统计城市数量（miejscowosci_str），因此我可以根据同一地区的城市数量划分区域内的邮政编码数量。一个城市可以有多个邮政编码。

你有什么想法吗？

Answer 1

我在这里做了几个假设：

城市可以有多个邮政编码
邮政编码是唯一的
你不是想得到M101P第5周问题的答案！

为什么不在地图阶段建立城市/邮政对象列表，然后将其减少为地图中的拉链列表和唯一城市，而不是一次性计算城市数量相。然后，您可以使用最终确定阶段来计算平均值。

注意：如果数据集很大，您可能需要考虑使用aggregation framework，这会在map / reduce示例

db.kodypocztowe.drop();
db.result.drop();

db.kodypocztowe.insert([
    {"miejscowosci_str":"OneCity", "wojewodztwo":"FirstRegionName", "ZIP-Code" : "1"},
    {"miejscowosci_str":"TwoCity", "wojewodztwo":"FirstRegionName", "ZIP-Code" : "2"},
    {"miejscowosci_str":"ThreeCity", "wojewodztwo":"SecondRegionName", "ZIP-Code" : "3"},
    {"miejscowosci_str":"FourCity", "wojewodztwo":"SecondRegionName", "ZIP-Code" : "4"},
    {"miejscowosci_str":"FourCity", "wojewodztwo":"SecondRegionName", "ZIP-Code" : "5"},
]);

// map the data to { region : [{citiy : name , zip : code }] } 
// Note : a city can be in multiple zips but zips are assumed to be unique
var map = function() {
    emit(this.wojewodztwo, {city:this.miejscowosci_str, zip:this['ZIP-Code']});
};

// 
// convert the data to :
//
//    {region : {cities: [], zips : []}}
//
// note : always add zips
// note : only add cities if they are not already there
//
var reduce = function(key, val) {
    var res = {zips:[], cities:[]}
    for(i in val) {
        var city = val[i].city;
        res.zips.push(val[i].zip);
        if(res.cities.indexOf(city) == -1) {
            res.cities.push(city);
        }
    }
    return res;
};

// 
// finalize the data to get the average number of zips / region
var finalize = function(key, res) {
    res.average  = res.zips.length / res.cities.length;
    delete res.cities;
    delete res.zips;
    return res;
}

print("==============");
print(" map/reduce")
print("==============");

db.kodypocztowe.mapReduce(
    map,
    reduce,
    { out : "result" , finalize:finalize}
);
db.result.find().pretty()


print("==============");
print(" aggregation")
print("==============");

db.kodypocztowe.aggregate( [
    // get the number of zips / [region,city]
    { "$group" :
      {
          _id : {"region" : "$wojewodztwo", city : "$miejscowosci_str"},
          zips:{$sum:1}
      }
    },
    // get the number of cities per region and sum the number of zips
    { "$group" :
      {
          _id : "$_id.region" ,
          cities:{$sum:1},
          zips:{$sum:"$zips"},
      }
    },
    // project the data into the same format that map/reduce generated
    { "$project" :
      {
          "value.average":{$divide: ["$zips","$cities"]}
      }
    }
]);

我希望有所帮助。

MapReduce计数有问题

1 个答案: