3

我有一个带有关键字标记的文档数据库。我正在尝试查找（然后计算）彼此一起使用的唯一标签。因此，对于任何给定的标签，我想知道与该标签一起使用了哪些标签。

例如，如果我有一个包含标签的文档，[fruit, apple, plant]那么当我查询时，[apple]我应该得到[fruit, plant]. 如果另一个文档有标签[apple, banana]，那么我的查询[apple]将给我[fruit, plant, banana]。

这是我的地图函数，它发出所有标签及其邻居：

function(doc) {
  if(doc.tags) {
    doc.tags.forEach(function(tag1) {
      doc.tags.forEach(function(tag2) {
        emit(tag1, tag2);
      });
    });
  }
}

所以在我上面的例子中，它会发出

apple -- fruit
apple -- plant
apple -- banana
fruit -- apple
fruit -- plant
...

我的问题是：我的 reduce 函数应该是什么？reduce 函数本质上应该过滤掉重复项并将它们组合在一起。

我尝试了许多不同的尝试，但我的数据库服务器（CouchDB）一直给我一个错误：reduce_overflow_error。减产必须收缩得更快。

编辑：我发现了一些似乎有效的东西，但我不知道为什么。我看到reduce函数调用有一个可选的“rereduce”参数。如果我忽略这些特殊情况，它就会停止抛出 reduce_overflow_errors。谁能解释为什么？而且，我应该忽略这些，还是以后会咬我的屁股？

function(keys, values, rereduce) {
  if(rereduce) return null; // Throws error without this.

  var a = [];
  values.forEach(function(tag) {
    if(a.indexOf(tag) < 0) a.push(tag);
  });
  return a;
}
4

2 回答 2

4

您的回答很好，正如我在评论中所说，如果它对您有用，那就是您应该关心的全部。这是一个替代实现，以防您遇到性能问题。

CouchDB 喜欢高列表，而不是胖列表。此解决方案不是将视图行与以前见过的每个标记保持一个数组，而是将“兄弟”标记保留在视图行的键中，然后将它们组合在一起以保证每行有一个唯一的兄弟标记。每行只有两个标签，但可能有数千或数百万行：CouchDB 更喜欢的高列表。

主要思想是发出一个 2-array 的标签对。假设我们有一个文档，标记为fruit, apple, plant。

// Pseudo-code visualization of view rows (before reduce)
// Key         , Value
[apple, fruit ], 1
[apple, plant ], 1 // Basically this is every combination of 2 tags in the set.
[fruit, apple ], 1
[fruit, plant ], 1
[plant, apple ], 1
[plant, fruit ], 1

接下来我标记一些东西apple, banana。

// Pseudo-code visualization of view rows (before reduce)
// Key         , Value
[apple, banana], 1 // This is from my new doc
[apple, fruit ], 1
[apple, plant ], 1 // This is also from my new doc
[banana, apple], 1
[fruit, apple ], 1
[fruit, plant ], 1
[plant, apple ], 1
[plant, fruit ], 1

为什么总是值1？因为我可以制作一个非常简单的内置 reduce 函数：_sum告诉我所有标签对的计数。接下来，使用?group_level=2和 CouchDB 进行查询将为您提供唯一的对，并计算它们的总数。

生成这种视图的 map 函数可能如下所示：

function(doc) {
  // Emit "sibling" tags, keyed on tag pairs.
  var tags = doc.tags || []
  tags.forEach(function(tag1) {
    tags.forEach(function(tag2) {
      if(tag1 != tag2)
        emit([tag1, tag2], 1)
    })
  })
}
于 2012-05-03T00:27:35.973 回答
1

我找到了一个我更满意的正确解决方案。诀窍是必须将 CouchDB 设置为，reduce_limit = false以便它停止根据您的查询检查其启发式。

您可以通过 Futon 在query_server_config设置下的http://localhost:5984/_utils/config.html上进行设置，方法是双击该值。

完成后，这是我的新 map 函数，它与 reduce 函数的“re-reducing”部分配合得更好：

function(doc) {
  if(doc.tags) {
    doc.tags.forEach(function(tag1) {
      doc.tags.forEach(function(tag2) {
        emit(tag1, [tag2]); // Array with single value
      });
    });
  }
}

这是reduce函数：

function(keys, values) {
  var a = [];
  values.forEach(function(tags) {
    tags.forEach(function(tag) {
      if(a.indexOf(tag) < 0) a.push(tag);
    });
  });
  return a;
}

希望这对某人有帮助！

于 2012-05-02T10:59:26.640 回答