Mongo mapReduce统计

在Mongo库中的数据如下

  • 字段含义
    • Kpa 压力
    • temperature 温度
    • ts 时间戳
{
Kpa:0.7161
temperature:20
ts:1626685796539
}
{
Kpa:0.774
temperature: 80
ts: 1626685797027
}
{
Kpa:0.8319
temperature: 60
ts: 1626685798025
}

需求

  • 求出 平均值 最大值 最小值 最大值时间点 最小值时间点 或者其它字段

  • 如果只求出 平均值 最大值 最小值 可以直接使用Aggregation中的函数avg max min
    例如
Aggregation.group().avg("Kpa").as(String.format("平均值#%s", "Kpa")).max("Kpa").as(String.format("最大值#%s", "Kpa"))
.min("Kpa").as(String.format("最小值#%s", "Kpa"));;

难点在于最大值时间点 最小值时间点 因为在统计的时候需要显示出最大值和最小值的时间点 或者 其它字段

所以就有了另一种方式 使用mapReduce

  • map.js 存放位置resources目录下
function() {emit('Kpa', {'ts':this.ts,'v':this.Kpa});}
  • reduce.js 存放位置resources目录下
function(key,values) {
    const map = {};
    let avg=0;
    for (let i = 0; i < values.length; i++){
        avg+=values[i].v
        if(i == 0){
            map['min'] = values[i].v
            map['min_ts'] = values[i].ts
            map['max'] = values[i].v
            map['max_ts'] = values[i].ts
        }
        if(map['min']>values[i].v){
            map['min'] = values[i].v
            map['min_ts'] = values[i].ts
        }
        if(map['max']<values[i].v){
            map['max'] = values[i].v
            map['max_ts'] = values[i].ts
        }
    }
    avg = (avg/values.length).toFixed(4);
    map['avg'] = avg;
    return map;
}
  • reduce.js运行时function(key,values)数据内容格式key=Kpa values的数据格式[{v:0.7161,ts: 1626685798025 },{v:0.7161,ts: 1626685797027 },{v:0.7161,ts:1626685796539}]

  • Java

String[] tags = {"Kpa","temperature"};
// 在map.js文件中是写死的 这里改成动态的
StringBuffer mapFunction = new StringBuffer();
mapFunction.append("function() {");
for (String tag : tags) {
    mapFunction.append(String.format("emit('%s', {'ts':this.ts,'v':this.%s});", tag, tag));
}
mapFunction.append("}");

MapReduceResults<Document> reduceResults = mongoTemplate.mapReduce(query, PropertiesConfig.getCollection_history(),
                mapFunction.toString(),
                "classpath:reduce.js",
                (new MapReduceOptions()).actionReduce(),
                Document.class);
  • 打印Document
temperature: {min=20.0, min_ts=1626685796539, max=80.0, max_ts=1626685797027, avg=53.3333}
Kpa:{min=0.7161, min_ts=1626685796539, max=0.8319, max_ts=1626685798025, avg=0.7740}
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,440评论 5 467
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,814评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,427评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,710评论 1 270
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,625评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,014评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,511评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,162评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,311评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,262评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,278评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,989评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,583评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,664评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,904评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,274评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,856评论 2 339

推荐阅读更多精彩内容