json - 识别 CouchDB 中的重复项

Question

我是 CouchDB 和面向文档的数据库的新手。

我一直在玩 CouchDB，并且能够熟悉创建文档(使用 perl)和使用 Futon 中的 Map/Reduce 函数来查询数据和创建 View 。

我仍在试图弄清楚的一件事是如何使用 Futon 的 Map/Reduce 识别文档中的重复值。

例如，如果我有以下文件:

{
  "_id": "123",
  "name": "carl",
  "timestamp": "2012-01-27T17:06:03Z"
}

{
  "_id": "124",
  "name": "carl",
  "timestamp": "2012-01-27T17:07:03Z"
}

而且我想获得具有重复“名称”值的文档 ID 列表，这是我可以用 Futon Map/Reduce 做的事情吗？

希望达到的结果如下:

{
  "name": "carl",
  "dupes": [ "123", "124" ]
}

..或者..

{
  "carl": [ "123", "124" ]
}

.. 这将是值，以及包含这些重复值的关联文档 ID。

我已经用 Map/Reduce 尝试了一些不同的东西，但据我所知，Map 函数以每个文档为基础处理数据，而 Reduce 函数只允许您使用给定的键/值文档。

我知道我可以只用 perl 提取我需要的数据，在那里工作，然后得到我想要的结果，但我现在只尝试使用 CouchDB，以便更好地了解它的好处/局限性。

我正在考虑这样做的另一种方法是使用单个文档，如 RDBMS 表:

{
  "_id": "names",
  "rec1": {
    "_id": "123",
    "name": "carl",
    "timestamp": "2012-01-27T17:06:03Z"
  },
  "rec2": {
    "_id": "124",
    "name": "carl",
    "timestamp": "2012-01-27T17:07:03Z"
  }
}

.. 这应该允许我以我最初认为的方式使用 Map/Reduce 函数。但是，我不确定这是否理想。

我知道我的思绪仍然停留在 RDBMS 领域，所以我上面尝试做的很多事情可能没有必要。对此的任何见解将不胜感激。

谢谢!

编辑:修复了一些示例中的 JSON 语法。

Answer 1

如果您只想要一个唯一值列表，那很容易。如果您想识别重复项，那么就变得不那么容易了。

在这两种情况下，像这样的 map 函数就足够了:

function (doc) {
   emit(doc.name);
}

对于您的缩减功能，只需输入 _count .

您的 View 输出将如下所示:(基于您的 2 个文档)

{
    "rows": [
        { "key": "carl", "value": 2 }
    ]
}

从那里，您将获得名称列表及其频率。您可以使用该列表并自行过滤，或者您可以使用“所有沙发”路线并使用 _list function执行最终过滤。

function (head, req) {
    var row, duplicates = [];
    while (row = getRow()) {
        if (row.value > 1) {
            duplicates.push(row);
        }
    }
    send(JSON.stringify(duplicates));
}

阅读有关 _list功能，它们非常方便且用途广泛。