我有一个数据库在沙发上与55,000,000文档。许多文档有重复的值为某些属性,我想得到一个计数只有唯一的值为一个属性。
我是couchdb的新手,看到了list函数,但是对于迭代超过5500万行和超时来说,这太慢了。
如果我这样做:"map": "function(doc) { if (doc.property) { emit(doc.property, 1); } }" "reduce": "_count"
和group,我得到了包括重复项的属性总数。我怎样才能把它减少到只有uniques?
- 谢谢-谢谢
4条答案
按热度按时间zvokhttg1#
你的Map功能还可以--你在这里做得再好不过了。让我们把注意力集中在reduce上。
v9tzhpje2#
我希望这里没有人使用Mariusz的公认答案,因为它不起作用,至少在couchDB中不起作用
CouchDB reduce函数也需要执行rereduce。也就是减少其他几个reduce的输出。
典型的解决方案让Map函数输出一个唯一的键,然后用_count来减少。除了group=true之外,这与您在问题中所建议的完全相同。这将计算每个唯一事物的示例数。每行将代表一个唯一事物。您可以很容易地计算列表函数中的总行数。
或者您可能不希望使键唯一,例如您可能有时间序列数据,并希望查询特定时间范围内的唯一值,则必须在键中包含日期时间。处理这种情况很棘手。
***选项1:***最简单的解决方案是不对唯一值进行计数,而只是创建一个类似下面这样的大型唯一值列表,然后在客户端或列表函数中对它们进行计数。
***选项2:***另一个选项是根本不减少,只计算列表函数中的唯一值。正如你所说,当有很多值时,这会变得很慢。
***选项3:***要避免在计算大量唯一值时使用过多的内存是一个棘手的问题。可以通过将唯一值散列到位图上的位来实现。然后计算最终位图中有多少个1。
这也让你可以使用reduce函数,因为你可以合并位图来组合你的唯一结果,然后最后在客户端或列表函数中计算位图中的1。
我还没有在couchdb中尝试过这种方法,但理论是合理的:http://highscalability.com/blog/2012/4/5/big-data-counting-how-to-count-a-billion-distinct-objects-us.html
一个警告是,如果位图不够大,可能会有一个小误差。然而,当你计算非常大的数量时,一个小误差通常是可以接受的。
wqsoz72f3#
1cklez4t4#
使用较新的JavaScript特性,你可以使用Set,它只允许一个值出现一次。这个例子使用了获取数据库中列出的所有唯一的水果。也不需要在map函数中发出一个值。