MongoDB MapReduce比纯Java处理慢得多？

我想数一数我的文档（包括嵌入文档）的所有密钥。 首先，我编写了一个Java客户机来解决这个问题。显示结果不到4秒。 然后我编写了一个map/reduce函数。结果很好，但运行该功能需要30秒以上！ 我认为map/reduce函数会更快，因为它是在服务器端执行的。Java客户机需要从服务器获取每个文档，但速度要快得多。 为什么会这样

//以下是我的地图功能：

map = function(){
    for(var key in this) {
      emit(key, {count:1});
      if(isNestedObject(this[key])){
        m_sub(key, this[key]);
      }
    }
}

reduce = function (key, emits) {
    total = 0;
    for (var i in emits) {
        total += emits[i].count;
    }
    return {count:total};
}

//这是我的reduce函数：

map = function(){
    for(var key in this) {
      emit(key, {count:1});
      if(isNestedObject(this[key])){
        m_sub(key, this[key]);
      }
    }
}

reduce = function (key, emits) {
    total = 0;
    for (var i in emits) {
        total += emits[i].count;
    }
    return {count:total};
}

//以下是对mapreduce的调用：

mr = db.runCommand({"mapreduce":"keyword", "map" : map, "reduce" : reduce, 
    "scope":{
        isNestedObject : function (v) {
            return v && typeof v === "object";
        },
        m_sub : function(base, value) {
            for(var key in value) {
              emit(base + "." + key, {count:1});
              if(isNestedObject(value[key])){
                m_sub(base + "." + key, value[key]);
              }
            }
        }
    }
})

//以下是输出：

{
 "result" : "tmp.mr.mapreduce_1292252775_8",
 "timeMillis" : 39087,
 "counts" : {
  "input" : 20168,
  "emit" : 986908,
  "output" : 1934
 },
 "ok" : 1
}

00:03:726
duration:3726 ms
1898

//这是我的Java客户端：

public static Set<String> recursiv(DBObject o){

        Set<String> keysIn = o.keySet();
        Set<String> keysOut = new HashSet<String>();
        for(String s : keysIn){
            Set<String> keys2 = new HashSet<String>();
            if(o.get(s).getClass().getSimpleName().contains("Object")){
                DBObject o2 = (DBObject) o.get(s);
                keys2 = recursiv(o2);
                for(String s2 : keys2){
                    keysOut.add(s + "." + s2);
                }   
            }else{
                keysOut.add(s);
            } 
        }
        return keysOut;     
    }

    public static void main(String[] args) throws Exception {

        final Mongo mongo =  new Mongo("xxx.xxx.xxx.xxx");
        final DB db = mongo.getDB("keywords");
        final DBCollection keywordTable = db.getCollection("keyword");
        Multiset<String> count = HashMultiset.create();

        long start = System.currentTimeMillis();

        DBCursor curs = keywordTable.find();    
        while(curs.hasNext()){
            DBObject o = curs.next();
            Set<String> keys = recursiv(o);
            for(String s : keys){
                count.add(s);
            }
        }

        long end = System.currentTimeMillis();
        long duration = end - start;

        System.out.println(new SimpleDateFormat("mm:ss:SS").format(Long.valueOf(duration)));              
        System.out.println("duration:" + duration + " ms");
        //System.out.println(count);
        System.out.println(count.elementSet().size());

    }

不要担心结果的不同数量（1934年与1898年）。这是因为map reduce计数也是数组中java客户端未计数的键。

---

感谢您介绍不同的执行时间。

这不是一个很好的答案，但在o'reilly mongo的书中，kristina说map reduce查询是您能做的最慢的事情之一，但它们也是最灵活和最可伸缩的。Mongo将能够分解查询并处理所有节点的处理能力，这意味着您应该通过添加的每个节点获得线性可伸缩性。但是在单个节点上，即使是group by查询也比map REDUCT快。

另一个原因是mongodb的javascript引擎存在问题，它只允许它们使用一个线程。

---

Mongodb计划切换到google的v8 javascript引擎，希望它能让Mongodb处理map/reduce多线程。请参阅和

如果可以，您应该查看聚合框架命令。虽然不如MapReduce灵活，但性能令人印象深刻。我使用它将大量收集的数据汇总成每小时、每天、每月的摘要，在我们的情况下，MapReduce的性能比超过1:50

我们选择了一种具有相同结构的分段集合的设计，它允许我们运行小而多的聚合作业，聚合命令的管道概念非常有效

---

我还发现$group命令的性能非常好，但是大小和碎片限制了它的使用

正如马特所说。当map reduce操作的空间需求超过可用内存量时，我会更关注mongo map reduce。它们包括创建和填充一个临时集合来创建结果（并在javascript中执行），它们将比JVM上的直接计算慢很多。感谢您的回复！关于下面的jira，我得出了相同的结论，据报道使用mongo的map reduce的性能比python差350倍：这里的答案是相同的：显然MongoDB map reduce仍然运行单线程。难怪它不能伸缩。它并不是真正意义上的map-reduce，而是高度并行的。