在CouchDB中識別重複項

Question

我是CouchDB和麪向文檔的數據庫的新手。

我一直在玩CouchDB，並且能夠熟悉創建文檔（使用perl）並使用蒲團中的Map/Reduce功能來查詢數據並創建視圖。

我仍然試圖弄清楚的一件事是如何使用Futon的Map/Reduce來識別跨文檔的重複值。

舉例來說，如果我有以下文件：

{ 
    "_id": "123", 
    "name": "carl", 
    "timestamp": "2012-01-27T17:06:03Z" 
} 

{ 
    "_id": "124", 
    "name": "carl", 
    "timestamp": "2012-01-27T17:07:03Z" 
} 

，我想獲得的是有重複的「名稱」值文檔ID的列表，這事我會用被褥地圖做/減少？

結果希望實現如下：

{ 
    "name": "carl", 
    "dupes": [ "123", "124" ] 
} 

..或者..

{ 
    "carl": [ "123", "124" ] 
} 

..這將是的值，和相關聯的文檔ID，其包含這些重複的值。

我已經嘗試了一些與Map/Reduce不同的東西，但據我瞭解，Map函數在每個文檔的基礎上處理數據，而Reduce函數只允許您使用鍵/來自給定文檔的值。

我知道我可以將我需要的數據用perl在那裏工作，並獲得我想要的結果，但我現在只想用CouchDB工作，以便更好地理解它的優點/限制。

另一種方式，我想這樣做是使用一個單一的文件就像一個RDBMS表：

{ 
    "_id": "names", 
    "rec1": { 
    "_id": "123", 
    "name": "carl", 
    "timestamp": "2012-01-27T17:06:03Z" 
    }, 
    "rec2": { 
    "_id": "124", 
    "name": "carl", 
    "timestamp": "2012-01-27T17:07:03Z" 
    } 
} 

..這應該允許我使用Map /在我原本以爲的方式Reduce函數。但我不確定這是否理想。

我知道我的思想還停留在RDBMS的土地上，所以我上面想要做的事情可能沒有必要。任何有關這方面的見解將不勝感激。

謝謝！

編輯：修正了一些例子中的JSON語法。

Answer 1

如果您只想要一個唯一值列表，那很簡單。如果你想識別重複，那麼它變得不那麼容易。

在這兩種情況下，像這樣的地圖功能就足夠了：

function (doc) { 
    emit(doc.name); 
} 

爲您減少功能，只需輸入_count。

您的視圖輸出如下：（根據你的2個文件）

{ 
    "rows": [ 
     { "key": "carl", "value": 2 } 
    ] 
} 

從那裏，你將有名稱的列表以及它們的頻率。您可以自行取得該列表並進行過濾，也可以採用「所有沙發」路線並使用_list function執行最終過濾。

function (head, req) { 
    var row, duplicates = []; 
    while (row = getRow()) { 
     if (row.value > 1) { 
      duplicates.push(row); 
     } 
    } 
    send(JSON.stringify(duplicates)); 
} 

閱讀關於_list功能，它們非常方便和多功能。