У меня долгая история с реляционными базами данных, но я новичок в MongoDB и MapReduce, так что я почти уверен, что что-то не так делаю. Я прыгну прямо в вопрос. Извините, если это долго.
У меня есть таблица базы данных в MySQL, которая отслеживает количество просмотров профиля участника за каждый день. Для тестирования у него 10 000 000 строк.
CREATE TABLE `profile_views` (
`id` int(10) unsigned NOT NULL auto_increment,
`username` varchar(20) NOT NULL,
`day` date NOT NULL,
`views` int(10) unsigned default '0',
PRIMARY KEY (`id`),
UNIQUE KEY `username` (`username`,`day`),
KEY `day` (`day`)
) ENGINE=InnoDB;
Типичные данные могут выглядеть следующим образом.
+--------+----------+------------+------+
| id | username | day | hits |
+--------+----------+------------+------+
| 650001 | Joe | 2010-07-10 | 1 |
| 650002 | Jane | 2010-07-10 | 2 |
| 650003 | Jack | 2010-07-10 | 3 |
| 650004 | Jerry | 2010-07-10 | 4 |
+--------+----------+------------+------+
Я использую этот запрос, чтобы получить топ-5 самых просматриваемых профилей с 2010-07-16.
SELECT username, SUM(hits)
FROM profile_views
WHERE day > '2010-07-16'
GROUP BY username
ORDER BY hits DESC
LIMIT 5\G
Этот запрос завершается менее чем за минуту. Неплохо!
Теперь переходим в мир MongoDB. Я установил защищенную среду, используя 3 сервера. Серверы M, S1 и S2. Я использовал следующие команды для настройки буровой установки (Примечание: я скрыл IP-адреса).
S1 => 127.20.90.1
./mongod --fork --shardsvr --port 10000 --dbpath=/data/db --logpath=/data/log
S2 => 127.20.90.7
./mongod --fork --shardsvr --port 10000 --dbpath=/data/db --logpath=/data/log
M => 127.20.4.1
./mongod --fork --configsvr --dbpath=/data/db --logpath=/data/log
./mongos --fork --configdb 127.20.4.1 --chunkSize 1 --logpath=/data/slog
Как только они были запущены, я запрыгнул на сервер M и запустил mongo. Я выполнил следующие команды:
use admin
db.runCommand( { addshard : "127.20.90.1:10000", name: "M1" } );
db.runCommand( { addshard : "127.20.90.7:10000", name: "M2" } );
db.runCommand( { enablesharding : "profiles" } );
db.runCommand( { shardcollection : "profiles.views", key : {day : 1} } );
use profiles
db.views.ensureIndex({ hits: -1 });
Затем я импортировал те же 10000000 строк из MySQL, что дало мне документы, которые выглядят так:
{
"_id" : ObjectId("4cb8fc285582125055295600"),
"username" : "Joe",
"day" : "Fri May 21 2010 00:00:00 GMT-0400 (EDT)",
"hits" : 16
}
Теперь пришло настоящее мясо и картошка ... Моя карта и функции снижения. Вернувшись на сервер M в оболочке, я настроил запрос и выполнил его следующим образом.
use profiles;
var start = new Date(2010, 7, 16);
var map = function() {
emit(this.username, this.hits);
}
var reduce = function(key, values) {
var sum = 0;
for(var i in values) sum += values[i];
return sum;
}
res = db.views.mapReduce(
map,
reduce,
{
query : { day: { $gt: start }}
}
);
И вот тут я столкнулся с проблемами. Этот запрос занял более 15 минут! Запрос MySQL занял меньше минуты. Вот вывод:
{
"result" : "tmp.mr.mapreduce_1287207199_6",
"shardCounts" : {
"127.20.90.7:10000" : {
"input" : 4917653,
"emit" : 4917653,
"output" : 1105648
},
"127.20.90.1:10000" : {
"input" : 5082347,
"emit" : 5082347,
"output" : 1150547
}
},
"counts" : {
"emit" : NumberLong(10000000),
"input" : NumberLong(10000000),
"output" : NumberLong(2256195)
},
"ok" : 1,
"timeMillis" : 811207,
"timing" : {
"shards" : 651467,
"final" : 159740
},
}
Мало того, что это заняло целую вечность, но результаты даже не кажутся правильными.
db[res.result].find().sort({ hits: -1 }).limit(5);
{ "_id" : "Joe", "value" : 128 }
{ "_id" : "Jane", "value" : 2 }
{ "_id" : "Jerry", "value" : 2 }
{ "_id" : "Jack", "value" : 2 }
{ "_id" : "Jessy", "value" : 3 }
Я знаю, что эти значения должны быть намного выше.
Мое понимание всей парадигмы MapReduce заключается в том, что задача выполнения этого запроса должна быть разделена между всеми элементами шарда, что должно повысить производительность. Я ждал, пока Монго не закончит распределение документов между двумя серверами шарда после импорта. У каждого было почти ровно 5 000 000 документов, когда я начал этот запрос.
Так что я, должно быть, делаю что-то не так. Кто-нибудь может дать мне какие-нибудь указатели?
Редактировать: Кто-то из IRC упоминал о добавлении индекса в поле дня, но, насколько я могу судить, это было сделано автоматически MongoDB.