Database Reference
In-Depth Information
Schlüssel
Wert
"17sonsrecords"
5
"acid"
1
"acousticguitar"
2
"action"
2
"adventure"
3
"aksband"
1
"alternativ"
1
"alternativ"
3
"ambient"
28
"autodidacta"
17
Was ist passiert? Kurz gesagt hat der Reducer die Ausgabe
reduziert
,indem
er die Mapper-Zeilen entsprechend der Reducer-Funktion zusammengefasst
hat. Die Mapreduce-Engine von CouchDB funktioniert konzeptionell genau
wie die anderen Mapreducer, die wir bisher kennengelernt haben (Riak 3.3,
Fortgeschrittene Views mit Reducern entwickeln
, auf Seite 71 und MongoDB
5.3,
Fortgeschrittene Views mit Reducern entwickeln
, auf Seite 175). Hier ein
Überblick der Schritte, die CouchDB unternimmt, um einen View aufzubau-
en:
1. Übergabe der Dokumente an die Mapper-Funktion.
2. Einsammeln aller emittierten Werte.
3. Sortieren der emittierten Zeilen nach ihren Schlüsseln.
4. Übergabe von Zeilen-Blöcken mit gleichem Schlüssel an die Reduce-Funk-
tion.
5. Wenn zu viele Daten vorliegen, um alle Reduktionen in einem Aufruf
durchzuführen, die Reduce-Funktion mit den bereits vorher reduzierten
Werten erneut aufrufen.
6. Die Reduce-Funktion rekursiv aufrufen, bis keine doppelten Schlüssel
mehr vorhanden sind.
Reduce-Funktionen arbeiten bei CouchDB mit drei Argumenten:
key
,
values
und
rereduce
. Das erste Argument,
key
, ist ein Array von Tupeln - aus zwei
Elementen bestehende Arrays, bestehend aus dem vom Mapper emittierten
