问基于Cloudant/CouchDB链式映射约简的聚合过滤和排序

EN

我想过滤一个列表，并根据一个聚合进行排序；这在SQL中是相当简单的，但是我不知道用迭代Map来实现它的最佳方法。我特别使用Cloudant在CouchDB中添加的"dbcopy“，但我认为这种方法可能与其他map/reduce体系结构类似。

伪代码SQL可能如下所示：

SELECT   grouping_field, aggregate(*)
FROM     data
WHERE    #{filter}
GROUP BY grouping_field
ORDER BY aggregate(*), grouping_field
LIMIT    page_size

过滤器可能正在寻找匹配项，也可能在某个范围内进行搜索；例如，field in ('foo', 'bar')或field between 37 and 42。

例如，考虑电子邮件的数据集；分组字段可能是"List- ID“、"Sender”或"Subject"；聚合函数可能是count(*)、max(date)或min(date)；filter子句可能考虑标志、日期范围或邮箱ID。文档可能是这样的：

{
  "id": "foobar", "mailbox": "INBOX", "date": "2013-03-29",
  "sender": "foo@example.com", "subject": "Foo Bar"
}

与同一个发件人一起获得电子邮件的数量是微不足道的：

"map": "function (doc) { emit(doc.sender, null) }",
"reduce": "_count"

和Cloudant有一个很好的例子，可以根据地图约简的第二次传递进行排序。。但是当我也想要过滤(例如通过邮箱)时，事情会很快变得混乱。

如果我将过滤器添加到视图键(例如，最终结果看起来类似于{"key": ["INBOX", 1234, "foo@example.com"], "value": null} )，那么在单个筛选值中按计数进行排序就很简单了。但是，使用多个筛选器按计数对数据进行排序需要遍历整个数据集(按键)，这在大型数据集上太慢了。

或者，我可以为每个潜在的过滤器选择创建一个索引；例如，最终结果看起来像{"key": [["mbox1", "mbox2"], 1234, "foo@example.com"], "value": null}, (当"mbox1“和"mbox2”都被选中时)或{"key": [["mbox1"], 1234, "foo@example.com"], "value": {...}}, (当只选择"mbox1“时)。这很容易查询，而且速度很快。但是，似乎索引的磁盘大小将呈指数增长(随不同的过滤字段的数量而增加)。而且，对开放式数据(如日期范围)进行过滤似乎是完全站不住脚的。

最后，我可以动态地生成视图，这些视图只在需要的情况下动态地处理所需的过滤器，并在它们不再被使用(以节省磁盘空间)之后将它们删除。这里的缺点是代码复杂性的巨大飞跃，以及每次选择新的过滤器时都要付出很大的前期成本。

有更好的办法吗？