问题标签 [nosql-aggregation]

我正在阅读很多关于预先计算的 raven db map/reduce 索引。我可以将参数传递给 map 函数，以便在分片环境中动态执行 map/reduce。

例如在http://ayende.com/blog/89089/ravenb-multi-maps-reduce-indexes

我可以在 map 函数中传递用户名参数而不是查询索引的结果吗？

我有 1500 万份文档分片在 3 台机器上。我正在尝试在 3 台机器上并行运行 map/reduce 查询。我查看了 mongodb，因为 mongo 的 map/reduce 在 javascript 线程上运行它非常慢。这种用例是否有可行的解决方案？

谢谢

问题是：

考虑以下位置：[-72, 42] 和围绕该点的半径为 2 的范围（圆）。编写查询以查找与此范围（圆圈）相交的所有状态。然后，您应该返回每个州的总人口和城市数量。根据城市数量对各州进行排名。

到目前为止，我已经写了这个：

db.zips.find({loc: {$near: [-72, 42], $maxDistance: 2}})

其示例输出为： { "city" : "WOODSTOCK", "loc" : [ -72.004027, 41.960218 ], "pop" : 5698, "state" : "CT", "_id" : "06281" }

在 SQL 中，我只需按“州”进行分组，我怎么能在这里做到这一点，同时还要计算所有城市和总人口？

我正在尝试改造一个 SQL 数据库 Cassandra，以便我可以找到与 SQL 查询等效的 Cassandra。我使用 CQL 3 和 Cassandra v1.2。我在 cassandra 中对 db 设计进行了建模，使其支持 order by 子句和非规范化表以支持连接操作。然而，当谈到 DISTINCT、SUM() 和 GROUPBY 等价物时，我在海上

这就像我过去几天工作的一个亮点。Cassandra 中有没有一种方法可以对数据库模式进行建模以支持此类查询？我想不出 Cassandra 有什么办法。如何使用 Cassandra 实现这样的查询？

我读到 Cassandra 上的配置单元层可能会使这些查询工作。我只是想知道这是否是 Cassandra 支持此类查询的唯一方法..？请建议任何其他可能的方法..

样品采集：

我将如何返回文档 0、1、3 和 4 - 按状态分组并返回前 2 个 hitCount。

我一直在尝试使用聚合组功能。我想我已经接近了，但我的解决方案仍然需要大量的客户端工作——我带入所有文件，然后得到我需要的文件。这绝对不会扩展，因此需要一些帮助来修复它。

我正在使用 pymongo。

我有一个收藏：

我需要计算每个组的消息数。是否可以避免遍历整个集合？

例如，我有以下文件：

其中 service_id 指的是一些外部文档（我知道，不推荐），price 是工作价格，count 是工作已执行的次数，items 是材料数组，用于所有工作。我需要得到所有作品的总价。我尝试了以下未完成的代码：

它实际上并不对数组求和 - 它展开作品和项目，然后使用 $group 对展开的项目求和。但后来我想起来了——可能有两件作品具有相同的 service_id、count 和 price，在 $unwind 和 $group 之后，我会丢失其中一个，将两者的项目放在一起。

有没有办法在没有 $unwind 的情况下在文档中获取数组 $sum？

编辑： 我希望收到一份没有项目的作品清单，但总项目成本：

你好，我有一个收藏：

所以，在仪表板的一页上，我想查看所有评论，我该怎么做？如何获取单个集合中每个帖子的所有评论，如何识别每个评论（用于编辑或删除）？

UPD1：

这是来自帖子集合的文档。我想得到这样的东西：

SQL Server 上有一个简单的统计数据，它是一种时间序列，只有三列。

但问题是，该系列每 10 秒出现一次，每日数据大小约为 100,000 行。

数据由 wcf Web 服务使用。

• %75 作为一个汇总（带有 avg、min、max、sum）
• %25 作为基于直接行的结果集
• 更新和删除太少。

Web 服务（编码为 c#）作为中间层为客户端提供数据，SP 和视图读取数据，wcf 中没有临时查询。

我正计划将该数据移动到 NoSql 平台，以便将 SQL Server 用于其他操作。

哪个 nosql 平台是最好的选择？

无SQL；

1. 必须有 .Net 语言的驱动程序（更改 wcf 服务以供阅读）
2. 将具有内置聚合（至少对于 sum，avg）

我在考虑 Cassandra，但在查询数据时它没有内置聚合，我不确定在服务层聚合数据是否会很快。

我会很感激任何想法......

我想知道使用 ArangoDB 执行此操作的最佳方法是什么，我开始使用事务，或者使用修订检查更新它的记录，但是对于许多并发更新来说并不是很好。

在新版本 2.1 中，我看到我可以在服务器中注册函数以每隔 X 时间执行一次，因为我将原始数据保存很长时间，我可以使用一个服务器任务异步计算它，但它给出了更多的延迟到柜台。

还有其他方法吗？

谢谢，

迭戈·古莱布

伙计们，

我目前已经开始阅读有关 NOSQL 相关数据库的信息，因为目前正在研究与数据库仓库相关的应用程序。

我有以下问题。我已经阅读了基础知识。

问题 1）当具有相同列的数据存储在一起时，如何在面向列的数据库中检索整个原始数据？

假设我们以以下格式存储数据，因此在内部它将像这样存储在面向列的数据库中。

test|test1 一起和 5|10 一起。

键 1：{名称：测试，值：5} 键 2：{名称：test1，值：10}

因此，如果我们必须检索 key1 的数据，它是如何发生的？（A和B是我的猜测）

A）如果它必须分别从每个列存储中提取数据，那么成本将非常高

B）是否有任何索引机制来获取给定原始键的所有列的数据？

问题2 ）

我正在阅读一些文档，发现面向列的数据库更适合在单列上运行聚合函数，因为 I/O 会更少。

在 cassandra 和 HBASE 等 NOSQL 列式存储中，我没有找到对 SUM、AVG 等聚合函数的适当支持。（可能会有一些调整/黑客/更多代码编写，如下所示）

Apache Cassandra 如何进行聚合操作？ 实时查询/聚合数百万条记录-hadoop？hbase？卡珊德拉？ 如何使用hbase协处理器实现groupby？

问题 3) 连接如何在面向列的数据库中内部发生是可取的吗？