我看到使用 mongo 执行渐进式 map reduce 任务的令人困惑的行为。输入集合是一大组文档,其中包含:
{_id: , url: '来自我的时髦网站的一些 url'}
这是我的简单地图功能:
map: function() {
emit(this.url, {count: 1, id: this._id});
}
和减少(有很多调试打印日志如下所示):
reduce: function (key, values) {
var count = 0;
var lastId = null;
var first = null;
if (typeof values[0].id == "undefined") {
print("bad id");
printjson(key);
printjson(values[0]);
return null;
} else {
print ("good id");
printjson(key);
printjson(values[0]);
}
first = ObjectId(values[0].id).getTimestamp();
values.forEach(function(v) {
count += v.count;
last = ObjectId(v.id).getTimestamp();
lastId = v.id;
});
return {
count: count,
first: first,
last: lastId,
lastCounted: lastId
};
}
以下是我如何调用 mapreduce:
mrparams.out = {reduce: this.output};
mrparams.limit = 100;
mrparams.query = {'_id': {'$gt': mongoId(lastId.toHexString())}};
mrparams.finalize = null;
mrdb.mapReduce(this.map, this.reduce, mrparams, function(d) {
console.log("Finished mr", d);
callback();
});
这是以 cron 类型的方式完成的,因此每个时间间隔,作业都在限制数量的记录上运行,从上一次运行的 lastId之后的记录开始。
非常基本的增量地图减少的东西......
但是,当我运行它时,我看到 reduce 方法的返回值被传递回 reduce 方法。这是日志的快照:
XXXgood id " http://www.nytimes.com/2013/04/23/technology/germany-fines-google-over-data-collection.html " { "count" : 1, "id" : ObjectId("5175a065b25f029a1d0927e6 ") }
YYYThu Jun 20 11:42:11 [conn19938] query vox.system.indexes query: { ns: "vox.tmp.mr.pi_analytics_spark_trending_inventories_6667_inc" } nreturned:1 reslen:131 0ms Thu Jun 20 11:42:11 [conn19938]查询vox.tmp.mr.pi_analytics_spark_trending_inventories_6667 nreturned:9 reslen:1716 0ms
ZZZbad id " http://www.nytimes.com/2013/04/22/business/comedy-central-to-host-comedy-festival-on-twitter.html " { "count" : 2, "first" : ISODate("2013-04-22T20:41:11Z"), "last": ObjectId("5175a067b25f029a1d092802"), "lastCounted": ObjectId("5175a067b25f029a1d092802") }
坏 id " http://www.nytimes.com/2013/04/22/business/media/in-boston-cnn-stumbles-in-rush-to-break-news.html " { "count" : 7, “第一”:ISODate(“2013-04-22T20:41:09Z”),“最后”:ObjectId(“5175a067d7f115dd41097e3c”),“lastCounted”:ObjectId(“5175a067d7f115dd41097e3c”)}
XXX - 从我的 map 函数发出的一堆记录(包含一个带有计数和 id 的值) YYY - 某种 mongo,即使我不熟悉 ZZZ - 事件发生后,reduce 被调用以前的 reduce 作业的输出...
TLDR,当我运行 map reduce 时,reduce 运行良好,直到 mongo 进程运行,然后我开始看到传递给我的 reduce 函数的先前 reduce 函数的返回值。
知道为什么/怎么可能吗?
运行 mongo 2.0.6
提前致谢