Map-Reduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE），MapReduce可以被用来构建大型复杂的聚合查询，对于大规模数据分析相当实用。MapReduce基本语法
db.collection.mapReduce( function() {emit(key,value);}, //map 函数 function(key,values) {return reduceFunction}, //reduce 函数 { out: collection, query: document, sort: document, limit: number } )
使用 MapReduce 要实现两个函数 Map 函数和 Reduce 函数，Map 函数调用 emit(key, value), 遍历 collection 中所有的记录, 将 key 与 value 传递给 Reduce 函数进行处理，Map 函数必须调用 emit(key, value) 返回键值对。
参数说明:
-
map ：映射函数 (生成键值对序列,作为 reduce 函数参数)。
-
reduce 统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。。
-
out 统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)。
-
query 一个筛选条件，只有满足条件的文档才会调用map函数。（query。limit，sort可以随意组合）
-
sort 和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制
-
limit 发往map函数的文档数量的上限（要是没有limit，单独使用sort的用处不大）
例如：
// 筛选status=active的document，根据user_name分组，统计count db.posts.mapReduce( function(){emit(this.user_name,1);}, function(key,values){return Array.sum(values)}, { query:{"status":"active"}, out:"post_total" } ) ##等同于聚合函数 db.posts.aggregate( {$match:{"status":"active"}}, {$group:{_id:"$user_name","count":{"$sum":1}}} )
输出结果
{ "result" : "post_total", "timeMillis" : 23, "counts" : { "input" : 5, "emit" : 5, "reduce" : 1, "output" : 2 }, "ok" : 1 }
结果参数说明：
-
result：储存结果的collection的名字,这是个临时集合，MapReduce的连接关闭后自动就被删除了。
-
timeMillis：执行花费的时间，毫秒为单位
-
input：满足条件被发送到map函数的文档个数
-
emit：在map函数中emit被调用的次数，也就是所有集合中的数据总量
-
ouput：结果集合中的文档个数（count对调试非常有帮助）
-
ok：是否成功，成功为1
-
err：如果失败，这里可以有失败原因
可以使用 find() 查看MapReduce的结果
db.posts.mapReduce(