在 MongoDB 中，你可以通过使用 Map-Reduce 来查询 MongoDB，这对于批量处理、数据聚合以及查询语言不能满足你的需求时非常有用。
Spring 通过在 MongoOperations 上提供的方法来简化 Map-Reduce 操作的创建和运行，从而提供了与 MongoDB 的 Map-Reduce 的集成。
MongoOperations 可以将 Map-Reduce 操作的结果转换成 POJO，并与 Spring 的资源抽象集成。这让你可以将你的 JavaScript 文件放在文件系统、classpath、HTTP 服务器或任何其他 Spring 资源实现上，然后通过简单的 URI 风格的语法来引用 JavaScript 资源。例如：classpath:reduce.js。
注意：在文件中外部化 JavaScript 代码通常比在代码中作为 Java 字符串嵌入更值得推荐。如果你愿意，你仍然可以将 JavaScript 代码作为 Java 字符串传递，只是不推荐这么做。
为了了解如何进行 Map-Reduce 操作，我们使用《Mongo DB - The Definitive Guide》一书中的一个例子。在这个例子中，我们创建了三个文档，其值分别为 [a,b]、[b,c] 和 [c,d]。每个文档中的值都与键 "x" 相关，如下例所示（假设这些文档都在一个名为 jmr1 的集合中）：
{ "_id" : ObjectId("4e5ff893c0277826074ec533"), "x" : [ "a", "b" ] }
{ "_id" : ObjectId("4e5ff893c0277826074ec534"), "x" : [ "b", "c" ] }
{ "_id" : ObjectId("4e5ff893c0277826074ec535"), "x" : [ "c", "d" ] }下面的 map 函数计算每个文档的数组中每个字母的出现次数：
function () {
for (var i = 0; i < this.x.length; i++) {
emit(this.x[i], 1);
}
}下面的 reduce 函数汇总了所有文档中每个字母的出现情况：
function (key, values) {
var sum = 0;
for (var i = 0; i < values.length; i++)
sum += values[i];
return sum;
}运行前面的函数会生成以下集合：
{ "_id" : "a", "value" : 1 }
{ "_id" : "b", "value" : 2 }
{ "_id" : "c", "value" : 2 }
{ "_id" : "d", "value" : 1 }假设 map 和 reduce 函数位于 map.js 和 reduce.js 中，并捆绑在你的 jar 中，因此它们在 classpath 上是可用的，你可以按如下方式运行 Map-Reduce 操作：
MapReduceResults<ValueObject> results = mongoOperations.mapReduce("jmr1", "classpath:map.js", "classpath:reduce.js", ValueObject.class);
for (ValueObject valueObject : results) {
System.out.println(valueObject);
}前面的例子产生了以下输出：
ValueObject [id=a, value=1.0] ValueObject [id=b, value=2.0] ValueObject [id=c, value=2.0] ValueObject [id=d, value=1.0]
MapReduceResults 类实现了 Iterable，并提供了对原始输出以及时间和计数统计的访问。下面列出了 ValueObject 类的代码：
public class ValueObject {
private String id;
private float value;
public String getId() {
return id;
}
public float getValue() {
return value;
}
public void setValue(float value) {
this.value = value;
}
@Override
public String toString() {
return "ValueObject [id=" + id + ", value=" + value + "]";
}
}默认情况下，使用 INLINE 的输出类型，因此不需要指定输出集合。要指定额外的 Map-Reduce 选项，请使用一个重载方法，该方法需要一个额外的 MapReduceOptions 参数：
MapReduceResults<ValueObject> results = mongoOperations.mapReduce("jmr1", "classpath:map.js", "classpath:reduce.js",
new MapReduceOptions().outputCollection("jmr1_out"), ValueObject.class);可以使用静态导入功能，静态导入 import static org.springframework.data.mongodb.core.mapreduce.MapReduceOptions.options，可以用来使语法稍微紧凑一些，如下例所示：
MapReduceResults<ValueObject> results = mongoOperations.mapReduce("jmr1", "classpath:map.js", "classpath:reduce.js",
options().outputCollection("jmr1_out"), ValueObject.class);您还可以指定一个查询来减少输入Map-Reduce 操作的数据集。下面的例子从 Map-Reduce 操作中删除了包含 [a,b] 的文档:：
Query query = new Query(where("x").ne(new String[] { "a", "b" }));
MapReduceResults<ValueObject> results = mongoOperations.mapReduce(query, "jmr1", "classpath:map.js", "classpath:reduce.js",
options().outputCollection("jmr1_out"), ValueObject.class);注意，你可以在查询上指定额外的 limit 和 sort 值，但你不能制定 skip 值。
（1）配置类，代码如下：
package com.hxstrive.springdata.mongodb.config;
import lombok.extern.slf4j.Slf4j;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.mongodb.MongoDatabaseFactory;
import org.springframework.data.mongodb.core.MongoTemplate;
/**
* 配置 MongoTemplate
* @author hxstrive.com 2022/12/23
*/
@Slf4j
@Configuration
public class AppConfig {
@Bean
public MongoTemplate mongoTemplate(MongoDatabaseFactory mongoDatabaseFactory) {
log.info("mongoTemplate({}, {})", mongoDatabaseFactory);
return new MongoTemplate(mongoDatabaseFactory);
}
}application.properties 配置文件内容如下：
# Log logging.level.root=debug # MongoDB spring.data.mongodb.uri=mongodb://localhost:27017/test
（2）定义实体，代码如下：
package com.hxstrive.springdata.mongodb.entity;
/**
* 实体
* @author hxstrive.com
*/
public class ValueObject {
private String id;
private float value;
public String getId() {
return id;
}
public float getValue() {
return value;
}
public void setValue(float value) {
this.value = value;
}
@Override
public String toString() {
return "ValueObject [id=" + id + ", value=" + value + "]";
}
}（3）在 resources 目录下面创建 map.js 和 reduce.js 文件，如下：
a、map.js
function () {
for (var i = 0; i < this.x.length; i++) {
emit(this.x[i], 1);
}
}b、reduce.js
function (key, values) {
var sum = 0;
for (var i = 0; i < values.length; i++)
sum += values[i];
return sum;
}（4）测试代码，如下：
package com.hxstrive.springdata.mongodb;
import com.hxstrive.springdata.mongodb.entity.ValueObject;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.mongodb.core.MongoTemplate;
import org.springframework.data.mongodb.core.mapreduce.MapReduceOptions;
import org.springframework.data.mongodb.core.mapreduce.MapReduceResults;
import org.springframework.data.mongodb.core.query.Query;
import static org.springframework.data.mongodb.core.mapreduce.MapReduceOptions.options;
import static org.springframework.data.mongodb.core.query.Criteria.where;
/**
* Map-Reduce 简单示例
* @author hxstrive.com
*/
@SpringBootTest
class MapReduceDemo {
@Autowired
private MongoTemplate mongoTemplate;
@BeforeEach
public void init() {
// { "_id" : ObjectId("4e5ff893c0277826074ec533"), "x" : [ "a", "b" ] }
// { "_id" : ObjectId("4e5ff893c0277826074ec534"), "x" : [ "b", "c" ] }
// { "_id" : ObjectId("4e5ff893c0277826074ec535"), "x" : [ "c", "d" ] }
mongoTemplate.save("{ \"_id\" : ObjectId(\"4e5ff893c0277826074ec533\"), \"x\" : [ \"a\", \"b\" ] }","jmr1");
mongoTemplate.save("{ \"_id\" : ObjectId(\"4e5ff893c0277826074ec534\"), \"x\" : [ \"b\", \"c\" ] }","jmr1");
mongoTemplate.save("{ \"_id\" : ObjectId(\"4e5ff893c0277826074ec535\"), \"x\" : [ \"c\", \"d\" ] }","jmr1");
}
@Test
public void mapReduce() {
MapReduceResults<ValueObject> results = mongoTemplate.mapReduce(
"jmr1", "classpath:map.js", "classpath:reduce.js",
ValueObject.class);
for (ValueObject valueObject : results) {
System.out.println(valueObject);
}
// 结果：
// Sending command '{"mapreduce": "jmr1", "map": {"$code": "function () {\r\n
// for (var i = 0; i < this.x.length; i++) {\r\n emit(this.x[i], 1);\r\n }\r\n}"},
// "reduce": {"$code": "function (key, values) {\r\n var sum = 0;\r\n
// for (var i = 0; i < values.length; i++)\r\n sum += values[i];\r\n
// return sum;\r\n}"}, "out": {"inline": 1}, "query": {},
// "verbose": true, "$db": "test", "lsid": {"id": {"$binary": {"base64": "gzk6IXVFRkCeMxfnA5J4Cg==",
// "subType": "04"}}}}'
// with request id 8 to database test on connection [connectionId{localValue:3, serverValue:3}]
// to server localhost:27017
//
// ValueObject [id=c, value=2.0]
// ValueObject [id=d, value=1.0]
// ValueObject [id=a, value=1.0]
// ValueObject [id=b, value=2.0]
}
@Test
public void mapReduce2() {
// 使用 MapReduceOptions 指定其他选项
MapReduceResults<ValueObject> results = mongoTemplate.mapReduce(
"jmr1", "classpath:map.js", "classpath:reduce.js",
new MapReduceOptions().outputCollection("jmr1_out"), ValueObject.class);
for (ValueObject valueObject : results) {
System.out.println(valueObject);
}
// 结果：
// ValueObject [id=b, value=2.0]
// ValueObject [id=a, value=1.0]
// ValueObject [id=c, value=2.0]
// ValueObject [id=d, value=1.0]
}
@Test
public void mapReduce3() {
// 指定一个查询来减少输入Map-Reduce 操作的数据集
Query query = new Query(where("x").ne(new String[] { "a", "b" }));
MapReduceResults<ValueObject> results = mongoTemplate.mapReduce(query,
"jmr1", "classpath:map.js", "classpath:reduce.js",
options().outputCollection("jmr1_out"), ValueObject.class);
for (ValueObject valueObject : results) {
System.out.println(valueObject);
}
// 结果：
// ValueObject [id=d, value=1.0]
// ValueObject [id=c, value=2.0]
// ValueObject [id=b, value=1.0]
}
}
川公网安备51010802032098
