本文共 3034 字，大约阅读时间需要 10 分钟。
今天要介绍的是如何使用MONGODB中提供的MapReduce功能进行查询。
今天介绍如何基于sharding机制进行mapreduce查询。在MongoDB的官方文档中，这么一句话：
Sharded Environments
In sharded environments, data processing of map/reduce operations runs in parallel on all shards. 即: map/reduce操作会并行运行在所有的shards上。下面我们就用之前这篇文章中白搭建的环境来构造mapreduce查询：
首先要说的是，基于sharding的mapreduce与非sharding的数据在返回结构上有一些区别，我目前注意到的主要是不支持定制式的json格式的返回数据，也就是下面方式可能会出现问题：
return { count : total };
注意：上面的情况目前出现在了我的测试环境下，如下图：
就需要改成 return count;
下面是测试代码，首先是按帖子id来查询相应数量(基于分组查询实例方式)：
Code highlighting produced by Actipro CodeHighlighter (freeware)http://www.CodeHighlighter.com/-->public partial class getfile : System.Web.UI.Page
{public Mongo Mongo { get; set; }
public IMongoDatabase DB
{ get { return this.Mongo["dnt_mongodb"]; } }/// <summary>
/// Sets up the test environment. You can either override this OnInit to add custom initialization. /// </summary> public virtual void Init() { string ConnectionString = "Server=10.0.4.85:27017;ConnectTimeout=30000;ConnectionLifetime=300000;MinimumPoolSize=512;MaximumPoolSize=51200;Pooled=true"; if (String.IsNullOrEmpty(ConnectionString)) throw new ArgumentNullException("Connection string not found."); this.Mongo = new Mongo(ConnectionString); this.Mongo.Connect(); } string mapfunction = "function(){\n" + " if(this._id=='548111') { emit(this._id, 1); } \n" + "};";string reducefunction = "function(key, current ){" +
" var count = 0;" + " for(var i in current) {" + " count+=current[i];" + " }" + " return count ;\n" + "};";protected void Page_Load(object sender, EventArgs e) { Init();
var mrb = DB["posts1"].MapReduce();//attach_gfstream.files
int groupCount = 0; using (var mr = mrb.Map(mapfunction).Reduce(reducefunction)) { foreach (Document doc in mr.Documents) { groupCount = int.Parse(doc["value"].ToString()); } } this.Mongo.Disconnect(); } }下面是运行时的查询结果，如下：
接着演示一下如何把查询到的帖子信息返回并装入list集合，这里只查询ID为548110和548111两个帖子：
Code highlighting produced by Actipro CodeHighlighter (freeware)http://www.CodeHighlighter.com/--> string mapfunction = "function(){\n" +
" if(this._id=='548110'|| this._id=='548111') { emit(this, 1); } \n" + "};";string reducefunction = "function(doc, current ){" +
" return doc;\n" + "};"; protected void Page_Load(object sender, EventArgs e) { Init();var mrb = DB["posts1"].MapReduce();//attach_gfstream.files
List<Document> postDoc = new List<Document>(); using (var mr = mrb.Map(mapfunction).Reduce(reducefunction)) { foreach (Document doc in mr.Documents) { postDoc.Add((Document)doc["value"]); } } this.Mongo.Disconnect(); } 下面是运行时的查询结果，如下：
上面的map/reduce方法还有许多写法，如果大家感兴趣可以看一下如下这些链接：
以及之前我写的这篇文章：
当然在mongos进行map/reduce运算时，会生成一些临时文件，如下图：
我猜这些临时文件可能会对再次查询系统时的性能有一些提升(但目前未观察到)。
当然对于mongodb的gridfs系统(可使用它搭建分布式文件存储系统，我之前在这篇文章中已介绍过，我也做了测试，但遗憾的是并未成功，它经常会报一些错误，比如：
Thu Sep 09 12:09:29 Assertion failure _grab client\parallel.cpp 461
看来mapreduce程序链接到mongodb上时，会产生一些问题，但不知道是不是其自身稳定性的原因，还是我的机器环境设置问题(内存或配置的64位系统mongos与32位的client连接问题)。