在程序员开发并行程序时，Map-Reduce模式正变得流行起来。这些map-reduce程序通常来并行处理大量数据。本文来演示如何在Oracle数据库上，通过使用Parallel Pipelined Table函数及并行操作，来实现Map-Reduce程序。（注：table()是oracle中一个函数，可以把定义为Pipelined的function的返回结果进行SQL查询）
Pipelined Table函数是在Oracle 9i引入的，作为能在数据流中嵌入过程逻辑代码方法。从逻辑上说，一个Table函数是可以出现在from子句中，该函数就像数据表一样的返回多行数据。Table函数同样也可以接收多行数据做为输入参数。大多数情况下，Pipelined Table函数可以嵌入到一个数据流中，它让数据“流”进SQL语句中，从而避免增加一个物理层（直译：具体化的中介）。再次说明，Pipelined Table函数是可以并行处理的。
所有的例子都在omr.sql文件中。
为了说明并行的使用方法以及用Pipelined Table函数在Oracle数据库内写一个Map-Reduce算法， 我们实现一个最经典的map-reduce例子--单词计数。单词计数是实现返回一组文档中所有不重复单词出现的个数的程序，也可以说是查询单词出现频率功能。
示例代码是用PL/SQL实现，但如前所说，Oracle允许你选择其它语言来实现这个过程逻辑。
1、配置
我们将在一组文档中查找，这些文档可以是数据库之外的文件中，也可以保存在Secure Files/CLOB的数据库内的列中。在我们这个存文档的表也相当于一个文件系统。
在本例中，我们将在数据库内创建一个表，用下面的声明：
map代码和reduce代码都将包含在一个包中，保持代码的整洁。为了展示这些步骤，我将把这些代码段从包中拿出来，在下面各小节展示。在实际的包中，还必须要定义几个types。所有代码均在Oracle Database 11g (11.1.0.6)测试通过。
2、创建Mapper and the Reducer
首先我们要创建一个普通的map函数来给文档做标记。记住，我们不是要展示这个map函数有多么好，而是要表达这在数据库工作的原理。这个map函数非常基本，其它地方也可能有更好的实现。
你可以使用数据库的聚合引擎及仅map函数来得到最终结果。一个请求和结果看起来是： SQL完成聚合操作，不需要reducer的函数。
当然，你也可以写自己的聚合的Table函数来计算单词的出现次数。如果你不用oracle的聚合引擎的话，你必须自己来写map-reduce的程序。这个聚合Table函数就相当于map-reduce中的reducer部分。
Table函数要求输入必须按单词分组，需要将数据排序（用oracle 执行引擎的sort)或单词分簇。我们展示一个简单的记数程序在本文中。
Oracle Table函数是经得起验证的技术，并在Oracle的内外广泛使用的扩展Oracle11g的技术。
Oracle Table函数是稳定并可扩展的方法，在Oracle数据库内实现Map-Reduce，并且能够利用Oracle并行执行框架的扩展性。在SQL中利用它，能让数据库开发人员用自己熟悉的和语言，为他们提供一个有效的、简单的机制去实现Map-Reduce方法。
你可以下载orm.sql,没有什么特殊的权限需求。
附：orm.sql代码
?
延伸内容：