如何使用MapReduce从CouchDB中提取一组文档id

Question

我正在进行CouchDB实验的第一周，并试图停止使用SQL进行思考。我有一个文档集合(5000个事件文件)，所有这些文档都有一些ID值，这些ID值对于文档组来说是通用的。所以可能有10个都有TheID：'foobar‘。

(如果有人问-- TheID不是关系数据库中的自动增量值，它是我们的合作伙伴分配的唯一id。我不能以其他方式重新设计我的源数据，我必须使用这个TheID字段来识别文档组。)

我想查询我的文件列表：

{ _id: 'document1', Message: { TheID: 'foobar' } }
{ _id: 'document2', Message: { TheID: 'xyz' } }
{ _id: 'document3', Message: { TheID: 'xyz' } }
{ _id: 'document4', Message: { TheID: 'foobar' } }
{ _id: 'document5', Message: { TheID: 'wibble' } }
{ _id: 'document6', Message: { TheID: 'foobar' } }

我想知道结果：

'foobar': [ 'document1', 'document4', 'document6' ]
'xyz': [ 'document2', 'document3' ]
'wibble': [ 'document5' ]

其目的是表示按TheID分组的UI上的文档组，这样用户就可以一起查看特定TheID的所有文档，并选择该TheID来钻取仅通过TheID值进行的数据查询。是的，每个文档的字符串id是有用的--在我们的示例中，每个文档的_id值是源事件标识符，因此它是用户希望在屏幕上的列表中看到的唯一和有用的值。

在SQL中，您可以按TheID字段排序或分组，并适当地迭代结果集。对于CouchDB查询，我怀疑这种想法是否有用。

我知道我可以使用一个map函数来提取每个文档的TheID值，例如：

function (doc) {
  emit(doc.Message.TheID, 1);
}

或者也许

function (doc) {
  emit(doc._id, doc.Message.TheID);
}

我不确定我应该发出什么作为关键和价值。即使这是有用的，我也觉得我不应该使用result函数来将大型地图输出(数据库中的每个文档都有一个结果行)“缩小”到我想要的(每个结果都有一个文档id列表)。

http://guide.couchdb.org/draft/views.html说：“新的CouchDB用户犯了一个常见的错误，就是试图用一个约简函数构造复杂的聚合值。完全缩减应该会产生一个标量值，比如5，而不是，例如，一个带有一组唯一键的JSON散列，以及每个键的计数。”

我想我可能可以使用reduce扫描映射的结果，并以某种方式将具有公共TheID值的所有结果收集到一个结果对象中。我在阅读reduce文档时看到的是，它将被赋予包含不可预测集合的键和值数组，这些集合由映射结果背后的btree结构驱动。它不会被赋予数组保证包含我可以扫描的所有类似的TheID值。这种方法似乎完全失败了。

那么，在这里做地图/缩减对是正确的吗？我应该用“秀”或“列表”来代替吗？我打算围绕结果构建一个基于胡子的HTML模板引擎，所以“列表”似乎是错误的。

提前感谢您的指导。

编辑我已经做了一些本地开发，并想出了一个我认为是坏的解决方案。希望这能告诉你我想要进入的方向。参见我在view/collectByTheID创建的基于公共云的view/collectByTheID

这是公开的。如果你想玩，请把它复制到一个新的视图，不要污染这个，以防其他人进来看原稿。

地图功能：

function(doc) {
  emit(doc.Message.TheID, doc._id);
}

减少功能：

function(keys, values, rereduce) {
  if (!rereduce) {
    return values;
  } else {
    var ret = [];
    values.forEach(function (ar) {
      ret.concat(ar);
    });
    return ret;
  }
}

结果：

"foobar"   ["document6", "document4", "document1"]
"wibble"   ["document5"]
"xyz"      ["document3", "document2"]

减值函数首先将值数组单独保留，然后在第二次传递时将它们连接在一起。但是，当我在我的大型5000+文档数据库上运行它时，它会得到一些带有空文档id数组的TheID值。我相信这会受到我前面提到的问题的困扰，在这个问题中，传递给减缩的值数组依赖于它们提取的映射的btree结构，并且不能保证包含给定键的完整值集。

Answer 1

利用group_level特性：

映射：

emit([doc.message.TheID, doc._id], null)

减少：

您必须包括使用group_level的减缩，它可以是空的，如下面或其他什么东西，即_count

function(keys, values){
   return null;
}

使用group_level=1的查询将返回：

/_design/d/_view/v?group_level=1

[
 {key: ["foobar"], value: null}, 
 {key: ["xyz"], value: null}, 
 {key: ["wibble"], value: null}
]

您将使用此查询填充分组UI中的顶层。当用户展开一个类别时，您将使用group_level 2和start和end键执行另一个查询：

/_design/d/_view/v?group_level=2&startkey=["foobar"]&endkey=["foobar",{}]

[
  {key: ["foobar", "document6"], value: null}, 
  {key: ["foobar", "document4"], value: null}, 
  {key: ["foobar", "document1"], value: null}
]

这不能完全按照您的要求生成输出，但是，我认为您会发现它足够灵活