【MongoDB】MongoDB数据库之MapReduce编程模型

刚开始阅读《Mongodb入门手册》时候看到mapreduce，当时感觉好难，就直接忽略了。现在重新看到这部分知识的时候，痛下决心学习这块知识。

一、概念说明

MongoDB的MapReduce相当于Mysql中“group by”,在mongodb上使用mapreduce执行并行数据统计很容易；使用MapReduce要实现两个函数： map 和 reduce. 

map函数调用emit(key,value)遍历collection中所有的记录，将key和value传递给Reduce函数执行处理。Map函数和Reduce函数可以使用javascript来实现。下面我们来学习下mapreduce的方法参数： 

二、举例说明

1. 创建初始化数据

2. Map进行分组

Map函数必须调用emit(key，value)返回键值对，使用this访问当前待处理的document.在本例中，map函数对students表按classid进行分组：

value可以使用json object传递（支持多个属性值），如下面代码表示：

emit(this.classid,{count:1})

3. Reduce聚合计算

Reduce函数传递的参数类似与group 效果，将map返回的键值序列组合成｛key,[value1,value2,value3,...]｝传递给reduce，如下面代码所示：

Reduce函数对于这些values进行统计，在本例中，reduce函数就是分别针对班级的记录数量进行执行求和计算，返回结果是json object 对象

4. Result获取结果

计算后如何获得结果，这正是result函数的作用。可以执行db.结果集。find（）可以获得结果。其中结果集合可以通过out变量指定。

5. Finialize格式化输出

利用finalize()可以对reduce的结果进行输出样式的格式化处理。

6. options定制输出

还可以添加更多的控制细节，只需要在res函数的定义中加入一个query参数，既可以进一步过滤结果集，如下面的代码所示：

对比查询结果：