我有一个每月有 15,000,000 次点击的网络小部件，并且我记录了每个会话。当我想生成报告时，我想知道有多少唯一 IP。在普通的 SQL 中，这很容易，因为我只需执行以下操作：
SELECT COUNT(*) FROM (SELECT DISTINCT IP FROM SESSIONS)
但由于应用程序引擎无法做到这一点，我现在正在研究如何做到这一点的解决方案。它不需要很快。
我正在考虑的一个解决方案是有一个空的唯一 IP 表，然后有一个 MapReduce 作业来遍历所有会话实体，如果实体的 IP 不在表中，我将添加它并将一个添加到计数器。然后我会有另一个 MapReduce 作业来清除表格。这会很疯狂吗？如果是这样，你会怎么做？
谢谢！
If time is not important and you may try taskqueue with a task limit of 1. Basically you'd use a recursive task that queries through a batch of log records until it hits DeadlineExceededError. Then you'd write the results to datastore and the task would enqueue itself with the query end cursor/last record's key value to start the fetch operation where it stopped last time.
您建议的 mapreduce 方法正是您想要的。不要忘记使用事务来更新任务队列任务中的记录，这将允许您与许多映射器并行运行它。
将来，reduce 支持将通过一个简单的 mapreduce 实现这一点，而无需使用您自己的事务和模型。