（16）mongodb mapReduce分布式统计示例遇到的一个未解问题，求平均值不对，希望哪位大神给指点一下

Posted 2022-07-02 javasl

　　mapReduce 的优势在于分布式，这一节记录一个分布式统计的示例，整个过程分为这几步：启动分布式服务、手动分片、导入数据、执行 mapReduce。下面单独说说这几步。

1、启动分布式服务

　　参考前面的第10节和第11节，不在重复说了。

2、手动分片：

　　sh.enableSharding(‘test‘);　　用test库做分片

　　sh.shardCollection(‘test.dz‘,sn:1);　　指定片键，test库的dz集合，sn为片键

　　mongos> for(var i=1;i<=8;i++)
　　... sh.splitAt(‘test.dz‘,sn:i*1000);
　　... 　　　　　　　　　　　　　　　　手动分片，当sn的值遇到1k、2k、3k...时形成一个chunk块

3、导数据，共7052条

　　./bin/mongoimport --port 30000  -d test -c dz --type csv -f sn,date,lev,wei,jing,deep,area --headerline --file ./地震数据.csv

　　登录27017查看，导入了3053条　　

　　> db.dz.find().count();
　　3053

　　登录27018查看，导入了3999条 

　　> db.dz.find().count();
　　3999

4、统计地址数据的分布，经纬度都是每跨5度统计在一起。

　　var map = function()

　　　　var j = Math.floor(this.jing / 5) * 5;
　　　　var w = Math.floor(this.wei / 5) * 5;
　　　　var block =j + ‘:‘ + w;
　　　　emit(block,1);
　　

　　var reduce = function(block,values)
　　　　return Array.sum(values);
　　

　　db.dz.mapReduce(map,reduce,out:‘res‘);

　　分析：Math.floor()函数是取整数部分 ，计算出的 j 应该是每隔 5 度为单位，例如：5、10、15、20 等，计算出 j 等于 15，经度应该坐落在区间 [15,20）内。纬度同理可以 这样得到。看一下结果：

mongos> db.res.find();
 "_id" : "-100:15", "value" : 9 
 "_id" : "-105:-40", "value" : 1 
 "_id" : "-105:10", "value" : 1 
 "_id" : "-105:15", "value" : 6 
 "_id" : "-105:5", "value" : 1 
 "_id" : "-10:-25", "value" : 1 
 "_id" : "-110:15", "value" : 4 
 "_id" : "-110:20", "value" : 1 
 "_id" : "-110:25", "value" : 1 
 "_id" : "-115:-30", "value" : 1 
 "_id" : "-115:-35", "value" : 2 
 "_id" : "-115:20", "value" : 1 
 "_id" : "-115:25", "value" : 4 
 "_id" : "-120:30", "value" : 1 
 "_id" : "-120:35", "value" : 3 
 "_id" : "-125:-60", "value" : 1 
 "_id" : "-125:35", "value" : 1 
 "_id" : "-125:40", "value" : 2 
 "_id" : "-130:40", "value" : 2 
 "_id" : "-130:45", "value" : 4 
Type "it" for more
mongos> it
 "_id" : "-135:50", "value" : 8 
 "_id" : "-135:55", "value" : 2 
 "_id" : "-140:55", "value" : 3 
 "_id" : "-145:55", "value" : 1 
 "_id" : "-145:60", "value" : 1 
 "_id" : "-150:55", "value" : 1 
 "_id" : "-150:65", "value" : 1 
 "_id" : "-155:55", "value" : 6 
 "_id" : "-155:60", "value" : 2 
 "_id" : "-15:-20", "value" : 1 
 "_id" : "-15:-5", "value" : 1 
 "_id" : "-15:-60", "value" : 1 
 "_id" : "-15:70", "value" : 2 
 "_id" : "-160:15", "value" : 1 
 "_id" : "-160:55", "value" : 2 
 "_id" : "-160:65", "value" : 1 
 "_id" : "-165:50", "value" : 2 
 "_id" : "-170:50", "value" : 5 
 "_id" : "-175:-20", "value" : 16 
 "_id" : "-175:-25", "value" : 13 
Type "it" for more
mongos> it
 "_id" : "-175:50", "value" : 10 
 "_id" : "-180:-15", "value" : 2 
 "_id" : "-180:-20", "value" : 26 
 "_id" : "-180:-25", "value" : 23 
 "_id" : "-180:-30", "value" : 7 
 "_id" : "-180:-35", "value" : 22 
 "_id" : "-180:50", "value" : 9 
 "_id" : "-20:-40", "value" : 1 
 "_id" : "-20:-45", "value" : 1 
 "_id" : "-20:-5", "value" : 1 
 "_id" : "-20:-60", "value" : 1 
 "_id" : "-20:-65", "value" : 1 
 "_id" : "-25:-5", "value" : 1 
 "_id" : "-25:-60", "value" : 3 
 "_id" : "-30:-60", "value" : 15 
 "_id" : "-30:-65", "value" : 1 
 "_id" : "-35:-60", "value" : 1 
 "_id" : "-35:50", "value" : 1 
 "_id" : "-35:55", "value" : 2 
 "_id" : "-45:10", "value" : 1 
Type "it" for more

View Code

　　为了验证数据的正确性，可以将数据导入mysql中，以下面这三条数据为例子说明 mapReduce 的统计是正确的

　　 "_id" : "-100:15", "value" : 9 　　select * from dzsj w WHERE  w.jing>=-100 and w.jing<-95 and w.wei>=15 and w.wei<20

　　 "_id" : "-115:25", "value" : 4 　　select * from dzsj w WHERE w.jing>=-115 and w.jing<-110 and w.wei>=25 and w.wei<30

　　 "_id" : "-155:55", "value" : 6 　　select * from dzsj w WHERE w.jing>=-155 and w.jing<-150 and w.wei>=55 and w.wei<60

5、在上面的基础上统计平均震级，这次只统计经纬度大于0的，这里出现了问题尚未解决。

　　var map = function()

　　　　if(this.jing<0 || this.wei<0)
　　　　　　return;
　　　　
　　　　var j = Math.floor(this.jing / 5) * 5;
　　　　var w = Math.floor(this.wei / 5) * 5;
　　　　var block =j + ‘:‘ + w;
　　　　emit(block,this.lev);
　　

　　var reduce = function(block,values)
　　　　return Array.avg(values);
　　

　　db.dz.mapReduce(map,reduce,out:‘res‘);

　　执行结果如下：

mongos> db.res.find().sort(value:-1);
 "_id" : "65:25", "value" : 7.5 
 "_id" : "140:65", "value" : 7.3 
 "_id" : "60:25", "value" : 7.050000000000001 
 "_id" : "95:50", "value" : 7 
 "_id" : "140:25", "value" : 6.920833333333333 
 "_id" : "150:50", "value" : 6.85 
 "_id" : "25:40", "value" : 6.8 
 "_id" : "95:5", "value" : 6.8 
 "_id" : "125:10", "value" : 6.783333333333333 
 "_id" : "165:50", "value" : 6.733333333333333 
 "_id" : "90:20", "value" : 6.666666666666667 
 "_id" : "160:50", "value" : 6.645 
 "_id" : "175:50", "value" : 6.608333333333333 
 "_id" : "125:30", "value" : 6.6 
 "_id" : "145:0", "value" : 6.6 
 "_id" : "90:0", "value" : 6.5166666666666675 
 "_id" : "155:50", "value" : 6.4875 
 "_id" : "45:30", "value" : 6.47 
 "_id" : "140:10", "value" : 6.45 
 "_id" : "135:30", "value" : 6.445833333333333 
Type "it" for more
mongos> it
 "_id" : "140:15", "value" : 6.4 
 "_id" : "145:15", "value" : 6.4 
 "_id" : "145:5", "value" : 6.4 
 "_id" : "135:35", "value" : 6.35 
 "_id" : "140:20", "value" : 6.300000000000001 
 "_id" : "95:15", "value" : 6.300000000000001 
 "_id" : "165:55", "value" : 6.3 
 "_id" : "160:55", "value" : 6.254166666666666 
 "_id" : "140:40", "value" : 6.239583333333333 
 "_id" : "125:5", "value" : 6.222916666666666 
 "_id" : "125:0", "value" : 6.217499999999999 
 "_id" : "5:70", "value" : 6.2 
 "_id" : "65:40", "value" : 6.2 
 "_id" : "155:45", "value" : 6.1899999999999995 
 "_id" : "120:10", "value" : 6.185714285714285 
 "_id" : "145:45", "value" : 6.175000000000001 
 "_id" : "170:50", "value" : 6.166666666666666 
 "_id" : "25:35", "value" : 6.154166666666667 
 "_id" : "120:0", "value" : 6.15 
 "_id" : "135:25", "value" : 6.15 
Type "it" for more
mongos> 

View Code

 拿出两个数据来对比，发现并不是我们要的结果：

　　 "_id" : "140:20", "value" : 6.300000000000001　　

　　select AVG(lev) from dzsj w WHERE  w.jing>=140 and w.jing<145 and w.wei>=20 and w.wei<25　　计算结果是 6.333333333333333 

　　 "_id" : "145:45", "value" : 6.175000000000001

　　select * from dzsj w WHERE  w.jing>=145 and w.jing<150 and w.wei>=45 and w.wei<50　　计算结果是 6.08

　　 "_id" : "160:55", "value" : 6.114285714285715

　　select AVG(lev) from dzsj w WHERE  w.jing>=160 and w.jing<165 and w.wei>=55 and w.wei<60　　计算结果是 6.050000000000001

我们先求一下和，执行以下代码：

var map = function()
  if(this.jing<0 || this.wei<0)
     return;
   
  var j = Math.floor(this.jing / 5) * 5;
  var w = Math.floor(this.wei / 5) * 5;
  var block =j + ‘:‘ + w;
  emit(block,this.lev);


var map = function()
  var j = Math.floor(this.jing / 5) * 5;
  var w = Math.floor(this.wei / 5) * 5;
  var block =j + ‘:‘ + w;
  emit(block,this.lev);


var reduce = function(block,values)
  return Array.sum(values);


db.dz.mapReduce(map,reduce,out:‘res‘);

View Code

查看一下部分结果：

mongos> db.res.find(_id:‘140:20‘);
 "_id" : "140:20", "value" : 19 
mongos> db.res.find(_id:‘145:45‘);
 "_id" : "145:45", "value" : 30.400000000000002 
mongos> db.res.find(_id:‘160:55‘);
 "_id" : "160:55", "value" : 48.400000000000006 
mongos> 

View Code

与mysql中对比一下，发现求和是一样的。

　　select SUM(lev) from dzsj w WHERE w.jing>=140 and w.jing<145 and w.wei>=20 and w.wei<25　　19

　　select SUM(lev) from dzsj w WHERE  w.jing>=145 and w.jing<150 and w.wei>=45 and w.wei<50　　30.400000000000002

　　select SUM(lev) from dzsj w WHERE  w.jing>=160 and w.jing<165 and w.wei>=55 and w.wei<60　　48.400000000000006

在对比一下前面求的数量，发现数量也是一样的。

　　 "_id" : "140:20", "value" : 3
　　 "_id" : "145:45", "value" : 5
　　 "_id" : "160:55", "value" : 8

　　select count(1) from dzsj w WHERE w.jing>=140 and w.jing<145 and w.wei>=20 and w.wei<25　　3
　　select count(1) from dzsj w WHERE w.jing>=145 and w.jing<150 and w.wei>=45 and w.wei<50　　5
　　select count(1) from dzsj w WHERE w.jing>=160 and w.jing<165 and w.wei>=55 and w.wei<60　　8

这就奇怪了，求和一样，求数量也一样，计算出的平均值不一样，哪位好心人能发现问题希望能指点一二，谢谢！