MongoDB mapreduce 缺失数据，返回 'null'

Question

所以这很奇怪。我正在尝试使用 mapreduce 在唯一端口下对日期时间/指标进行分组:

文档布局:

{
        "_id" : ObjectId("5069d68700a2934015000000"),
        "port_name" : "CL1-A",
        "metric" : "340.0",
        "port_number" : "0",
        "datetime" : ISODate("2012-09-30T13:44:00Z"),
        "array_serial" : "12345"
}

和mapreduce函数:

var query = {
        'array_serial' : array,
        'port_name' : { $in : ports },
        'datetime' : { $gte : from, $lte : to}

    }

    var map = function() {
        emit( { portname : this.port_name } , { datetime : this.datetime,
                                metric : this.metric });
    }

    var reduce = function(key, values) {
        var res = { dates : [], metrics : [], count : 0}

        values.forEach(function(value){
            res.dates.push(value.datetime);
            res.metrics.push(value.metric);
            res.count++;
        })

        return res;
    }

    var command = {
        mapreduce : collection,
        map : map.toString(),
        reduce : reduce.toString(),
        query : query,
        out : { inline : 1 }

    }

    mongoose.connection.db.executeDbCommand(command, function(err, dbres){
        if(err) throw err;
        console.log(dbres.documents);
        res.json(dbres.documents[0].results);
    })

如果请求的记录数量很少，比如 5 或 10，甚至 60，我会得到我期望的所有数据。较大的查询返回截断的值....

---

我刚刚做了一些测试，似乎它将记录输出限制为 100？这是每分钟的数据，当我运行 24 小时的查询时，我预计会返回 1440 条记录...我只是运行它收到了 80 条记录。:\

这是预期的吗？我没有在任何我能告诉的地方指定限制......

---

更多数据:

查询 2012-10-01T23:00 - 2012-10-02T00:39(100 分钟)的记录返回正确:

[
  {
    "_id": {
      "portname": "CL1-A"
    },
    "value": {
      "dates": [
        "2012-10-01T23:00:00.000Z",
        "2012-10-01T23:01:00.000Z",
        "2012-10-01T23:02:00.000Z",
         ...cut...
        "2012-10-02T00:37:00.000Z",
        "2012-10-02T00:38:00.000Z",
        "2012-10-02T00:39:00.000Z"
      ],
      "metrics": [
        "1596.0",
        "1562.0",
        "1445.0",
        ...cut...
        "774.0",
        "493.0",
        "342.0"
      ],
      "count": 100
    }
  }
]

...在查询 2012-10-01T23:00 - 2012-10-02T00:39(101 分钟)中再增加一分钟:

[
  {
    "_id": {
      "portname": "CL1-A"
    },
    "value": {
      "dates": [
        null,
        "2012-10-02T00:40:00.000Z"
      ],
      "metrics": [
        null,
        "487.0"
      ],
      "count": 2
    }
  }
]

dbres.documents 对象显示正确的预期发出记录:

[ { results: [ [Object] ],
    timeMillis: 8,
    counts: { input: 101, emit: 101, reduce: 2, output: 1 },
    ok: 1 } ]

...那么数据是否在某个地方丢失了？

Answer 1

MapReduce 的第一条规则:

您应该从 Reduce 返回与您在 Map 中使用键发出的完全相同的格式。

MapReduce 规则二:

您应根据需要减少传递的值数组以减少多次。 Reduce 函数可能会被多次调用。

您在实现 reduce 时违反了这两条规则。

您的 Map 函数正在发出键值对。

key:端口名称(您应该简单地将名称作为键发出，而不是文档)
value:代表你需要累积的三件事(日期、度量、计数)的文档

试试这个:

map = function() {  // if you want to reduce to an array you have to emit arrays
    emit ( this.port_name, { dates : [this.datetime], metrics : [this.metric], count: 1 });
}

reduce = function(key, values) {        // for each key you get an array of values
   var res = { dates: [], metrics: [], count: 0 };  // you must reduce them to one

   values.forEach(function(value) {
            res.dates = value.dates.concat(res.dates);
            res.metrics = value.metrics.concat(res.metrics);
            res.count += value.count;   // VERY IMPORTANT reduce result may be re-reduced
        }) 

        return res;
    }