我们如何使我们的mapreduce查询更快?
我们已经使用五个节点RIAK DB群集构建了一个应用程序。我们的数据模型由三个存储桶组成:比赛,联赛和团队。
匹配包含与联赛和团队的链接:
模型
var match = {
id: matchId,
leagueId: meta.leagueId,
homeTeamId: meta.homeTeamId,
awayTeamId: meta.awayTeamId,
startTime: m.match.startTime,
firstHalfStartTime: m.match.firstHalfStartTime,
secondHalfStartTime: m.match.secondHalfStartTime,
score: {
goals: {
a: 1*safeGet(m.match, 'score.goals.a'),
b: 1*safeGet(m.match, 'score.goals.b')
},
corners: {
a: 1*safeGet(m.match, 'score.corners.a'),
b: 1*safeGet(m.match, 'score.corners.b')
}
}
};
var options = {
index: {
leagueId: match.leagueId,
teamId: [match.homeTeamId, match.awayTeamId],
startTime: match.startTime || match.firstHalfStartTime || match.secondHalfStartTime
},
links: [
{ bucket: 'leagues', key: match.leagueId, tag: 'league' },
{ bucket: 'teams', key: match.homeTeamId, tag: 'home' },
{ bucket: 'teams', key: match.awayTeamId, tag: 'away' }
]
};
match.model = 'match';
modelCache.save('matches', match.id, match, options, callback);
查询
我们编写了一个返回的查询,该查询是从几个存储桶中返回的,一种方法是单独查询每个存储桶。另一种方法是使用链接结合单个查询的结果。
我们尝试的两个版本的查询都需要一秒钟,无论我们的水桶尺寸多大。第一个版本使用两个地图阶段,我们在这篇文章之后进行了建模(实用的地图 - 还原:转发和收集)。
#!/bin/bash
curl -X POST
-H "content-type: application/json"
-d @-
http://localhost:8091/mapred
<<EOF
{
"inputs":{
"bucket":"matches",
"index":"startTime_bin",
"start":"2012-10-22T23:00:00",
"end":"2012-10-24T23:35:00"
},
"query": [
{"map":{"language": "javascript", "source":"
function(value, keydata, arg){
var match = Riak.mapValuesJson(value)[0];
var links = value.values[0].metadata.Links;
var result = links.map(function(l) {
return [l[0], l[1], match];
});
return result;
}
"}
},
{"map":{"language": "javascript", "source": "
function(value, keydata, arg) {
var doc = Riak.mapValuesJson(value)[0];
return [doc, keydata];
}
"}
},
{"reduce":{
"language": "javascript",
"source":"
function(values) {
var merged = {};
values.forEach(function(v) {
if(!merged[v.id]) {
merged[v.id] = v;
}
});
var results = [];
for(key in merged) {
results.push(merged[key]);
}
return results;
}
"
}
}
]
}
EOF
在第二个版本中,我们进行四个单独的MAP-REDUCE查询以从三个存储桶中获取对象:
async.series([
//First get all matches
function(callback) {
db.mapreduce
.add(inputs)
.map(function (val, key, arg) {
var data = Riak.mapValuesJson(val)[0];
if(arg.leagueId && arg.leagueId != data.leagueId) {
return [];
}
var d = new Date();
var date = data.startTime || data.firstHalfStartTime || data.secondHalfStartTime;
d.setFullYear(date.substring(0, 4));
d.setMonth(date.substring(5, 7) - 1);
d.setDate(date.substring(8, 10));
d.setHours(date.substring(11, 13));
d.setMinutes(date.substring(14, 16));
d.setSeconds(date.substring(17, 19));
d.setMilliseconds(0);
startTimestamp = d.getTime();
var short = {
id: data.id,
l: data.leagueId,
h: data.homeTeamId,
a: data.awayTeamId,
t: startTimestamp,
s: data.score,
c: startTimestamp
};
return [short];
}, {leagueId: query.leagueId, page: query.page}).reduce(function (val, key) {
return val;
}).run(function (err, matches) {
matches.forEach(function(match) {
result.match[match.id] = match; //Should maybe filter this
leagueIds.push(match.l);
teamIds.push(match.h);
teamIds.push(match.a);
});
callback();
});
},
//Then get all leagues, teams and lines in parallel
function(callback) {
async.parallel([
//Leagues
function(callback) {
db.getMany('leagues', leagueIds, function(err, leagues) {
if (err) { callback(err); return; }
leagues.forEach(function(league) {
visibleLeagueIds[league.id] = true;
result.league[league.id] = {
r: league.regionId,
n: league.name,
s: league.name
};
});
callback();
});
},
//Teams
function(callback) {
db.getMany('teams', teamIds, function(err, teams) {
if (err) { callback(err); return; }
teams.forEach(function(team) {
result.team[team.id] = {
n: team.name,
h: team.name,
s: team.stats
};
});
callback();
});
}
], callback);
}
], function(err) {
if (err) { callback(err); return; }
_.each(regionModel.getAll(), function(region) {
result.region[region.id] = {
id: region.id,
c: 'https://d1goqbu19rcwi8.cloudfront.net/icons/silk-flags/' + region.icon + '.png',
n: region.name
};
});
var response = {
success: true,
result: {
modelRecords: result,
paging: {
page: query.page,
pageSize: 50,
total: result.match.length
},
time: moment().diff(a)/1000.00,
visibleLeagueIds: visibleLeagueIds
}
};
callback(null, JSON.stringify(response, null, 't'));
});
我们如何更快地使这些查询?
附加信息:
我们正在使用riak-js和node.js运行我们的查询。
使其至少更快的一种方法是将JavaScript MapReduce功能部署到服务器,而不是作为作业的一部分传递。(请参阅的描述JS_Source_dir 参数此处)。通常,如果您有重复运行的JavaScript函数,通常建议这样做。
由于与在Erlang中实现的本机相比,使用非JavaScript函数相比,有一些与运行JavaScript MapReduce功能相关的开销,也可能会有所帮助。
您的第一个查询中的两个MAP阶段函数似乎是为了围绕正常链接阶段(我认为更有效)的限制而设计的,这不会传递给正在处理的记录(匹配记录)。第一个功能包括所有链接和匹配数据的传递,作为JSON形式的附加数据,而第二个链接以及匹配的数据以及JSON形式的链接记录。
。我编写了一个简单的erlang函数,其中包含所有链接以及传递的记录ID。可以将其与本机erlang函数一起使用 riak_kv_mapreduce:map_object_value 替换两张映射相位函数在您的第一个示例中,删除一些JavaScript用法。与现有解决方案一样,我希望您会收到许多重复项,因为几场比赛可能链接到同一联赛/团队。
-module(riak_mapreduce_example).
-export([map_link/3]).
%% @spec map_link(riak_object:riak_object(), term(), term()) ->
%% [{{Bucket :: binary(), Key :: binary()}, Props :: term()}]
%% @doc map phase function for adding linked records to result set
map_link({error, notfound}, _, _) ->
[];
map_link(RiakObject, Props, _) ->
Bucket = riak_object:bucket(RiakObject),
Key = riak_object:key(RiakObject),
Meta = riak_object:get_metadata(RiakObject),
Current = [{{Bucket, Key}, Props}],
Links = case dict:find(<<"Links">>, Meta) of
{ok, List} ->
[{{B, K}, Props} || {{B, K}, _Tag} <- List];
error ->
[]
end,
lists:append([Current, Links]).
这些结果可以发送回客户端进行聚合,也可以像您提供的示例一样传递到降低相位函数。
示例函数将需要编译并安装在所有节点上,并且可能需要重新启动。
提高性能的另一种方法(这很可能不是您的选择)可能会更改数据模型,以免完全使用MapReduce查询进行绩效关键查询。