MongoDB의 Aggregation 프레임워크에 대해서 알아보자. MongoDB의 Advance과정이라 말하고 싶다. MongoDB 전문가로 가고자 한다면 꼭 알아두어야 한다
1. Aggregation Framework
- 10gen에서 이야기하는 집계프레임워크 개념
- MongoDB의 Aggregation 목적은 Sharding 기반의 데이터에 대한 데이터 집계이다.
2. 개념 이해하기
- MongoDB v2.2 부터 나왔다
- Shard를 통하여 BigData를 저장하고, Aggragation Framework을 통하여 BigData를 처리한다
- Aggregation Framework의 2개의 중요 개념이 있다 : Pipelines, Expressions
+ Pipelines : Unix의 pipe와 동일한다. mongodb pipeline 은 document를 stream화 한다. 또한 pipeline operators는 document의 stream을 처리한다. (마치 map-reducing과 같다)
| Name | Description |
|---|---|
| $project | Reshapes a document stream. $project can rename, add, or remove fields as well as create computed values and sub-documents. (참조 - Projection(π)은 관계 집합에서 원하지 않는 성분을 제거한다. 수학적인, 다른 dimension으로 mapping 한다는 것과 동일하다. Projection의 결과는 관계 집합이다) |
| $match | Filters the document stream, and only allows matching documents to pass into the next pipeline stage. $match uses standard MongoDB queries. |
| $limit | Restricts the number of documents in an aggregation pipeline. |
| $skip | Skips over a specified number of documents from the pipeline and returns the rest. |
| $unwind | Takes an array of documents and returns them as a stream of documents. (map=key:value 즉, map 만들기) |
| $group | Groups documents together for the purpose of calculating aggregate values based on a collection of documents. |
| $sort | Takes all input documents and returns them in a stream of sorted documents. |
| $geoNear | Returns an ordered stream of documents based on proximity to a geospatial point. |
ex) $project와 $unwind 되는 중간의 콤마(,) 가 pipeline되면서 stream방식으로 데이터가 처리되는 것이다 (OLAP의 dimension과 같음)
var p2 = db.runCommand({ aggregate : "article", pipeline : [{ $project : {author : 1,tags : 1,pageViews : 1}},{ $unwind : "$tags" }
]});
ex) Aggregation과 SQL 맵핑관계 : sql은 dbms안에서 하는 것이고, mongodb는 sharding 기반에서 하는것이다
+ Expressions : input document를 수행한 계산값을 기반으로 output document를 생산하는 것이다.
| Name | Description |
|---|---|
| $addToSet | Returns an array of all the unique values for the selected field among for each document in that group. |
| $first | Returns the first value in a group. |
| $last | Returns the last value in a group. |
| $max | Returns the highest value in a group. |
| $min | Returns the lowest value in a group. |
| $avg | Returns an average of all the values in a group. |
| $push | Returns an array of all values for the selected field among for each document in that group. |
| $sum | Returns the sum of all the values in a group. |
4. 실습하기
// orders 컬렉션을 다음을 저장한다
$ mongod --dbpath /home/mongodb/aggregation
// orders의 도큐먼트를 2번 동일하게 save 한다
$ mongo
> db.orders.save({
cust_id: "abc123",
ord_date: ISODate("2012-11-02T17:04:11.102Z"),
status: 'A',
price: 50,
items: [ { sku: "xxx", qty: 25, price: 1 },
{ sku: "yyy", qty: 25, price: 1 } ]
});
- Simple Aggregation Framework의 count, distinct, group function 예제
5. 심화학습
- 동영상 강좌를 보자
- 상단의 Group만들기에서 map, reduce의 흐름도
- Sql처럼 sub query를 하지 않고 Reduce Function을 사용하여 코딩하면 된다
- Framework Flow PDF : collectoin에 대해서 mapping 후 reducing 하여 result 결과를 만들어 낸다 - 데이터 Collection에서 key에 맞는 Map을 만들고, 비즈니스 로직에 맞게 Reduce 펑션을 만든 결과를
실시간으로 서비스한다
- Intermediate-1 = unwind = map = key:value로 만들기
Intemediate-2 = group = reduce
- 이제 group으로 작업하지 말고 Pipeline Operation으로 하는 aggregate를 사용한다. 또는 mapreduce를 사용한다
- 결국 v2.2 에 오면 mapreduce를 사용한다 : 비즈니스적으론 BI 솔루션과 맵핑하여 UX로 표현한다 (Real-Time)
- SNS에서 오는 실시간 데이터가 쌓여서 BigData가 되고 이를 저장하고 처리하는 것이 MongoDB로 웹앱기술과 찰떡 궁합!
- 해당 작업은 disk가 아니라 memory cache해서 사용한다 (메뉴얼상으로)
/////////////////////////////////////
// 형식
> db.dowonDB.mapreduce(map, reduce, out)
// mongo에서 map
> var map = function() { for(var key in this) { emit(key,{count: 1}) } }
> var reduce = function(emits){ total=0; for(var i in emits) { total+=emits[i].count; } return {'count': total}; }
> var mr = db.runCommand({'mapreduce':'dowonDB', 'map':map, 'reduce':reduce, 'out':{'inline':1}});
// 결과
> mr
{
"results" : [
{
"_id" : "_id",
"value" : {
"count" : NaN
}
},
{
"_id" : "a",
"value" : {
"count" : NaN
}
},
{
"_id" : "dept_id",
"value" : {
"count" : NaN
}
},
{
"_id" : "salary",
"value" : {
"count" : NaN
}
}
],
"timeMillis" : 14,
"counts" : {
"input" : 12,
"emit" : 32,
"reduce" : 4,
"output" : 4
},
"ok" : 1
}
또는
//////////////////////////////////////////////////////////
// dowonDB2 컬렉션으로 새롭게 tags 컬럼 넣기
> db.dowonDB2.save({_id: 1, tags:['dog', 'cat']})
> db.dowonDB2.save({_id: 2, tags:['cat']})
> db.dowonDB2.save({_id: 3, tags:['mouse', 'cat', 'dog']})
> db.dowonDB4.save({_id: 4, tags:[]})
// map과 reduce를 만듦
> var map2 = function() { this.tags.forEach( function(z) { emit(z, {count: 1}); } ); }
> var reduce2 = function(key, values) { var total=0; for(var i=0; i < values.length; i++) { total += values[i].count; } return {count:total}; }
// mapReduce 호출
> var mr2 = db.dowonDB2.mapReduce( map2, reduce2, {out:{inline:1}} );
> mr2
{
"results" : [
{
"_id" : "cat",
"value" : {
"count" : 3
}
},
{
"_id" : "dog",
"value" : {
"count" : 2
}
},
{
"_id" : "mouse",
"value" : {
"count" : 1
}
}
],
"timeMillis" : 3,
"counts" : {
"input" : 3,
"emit" : 6,
"reduce" : 2,
"output" : 3
},
"ok" : 1,
}
- MongoDB API
db.runCommand(
{
mapReduce: <collection>,
map: <function>,
reduce: <function>,
out: <output>,
query: <document>,
sort: <document>,
limit: <number>,
finalize: <function>,
scope: <document>,
jsMode: <boolean>,
verbose: <boolean>
}
)
- MapReduce의 최종 목적은 무얼까? SPA방식의 Web Application 서비스의 구현을 위한 것은 아닐까?
10Gen에서 이야기하는 MongoDB in SPA (이용 : Node.js + Express.js + Mongoose.js + MongoDB)
<참조>
- MongoDB Aggregation Framework Concept
- MongoDB Aggragation Framework Examples
'MongoDB > MapReduce' 카테고리의 다른 글
| [MongoDB] Aggregation Framework 실습하기 (0) | 2013.08.03 |
|---|---|
| [MongoDB] GridFS 사용하기 (0) | 2013.02.23 |
| [MongoDB] GridFS 개념잡기 (0) | 2013.02.23 |
