MapReduce是聚合工具的明星！前面讨论的count、distinct、group能做到的，MapReduce都可以做！他是一个可以轻松并行化到多台服务器的聚合方法！他会拆分问题，将各个部分发送到不同的机器上执行，当所有机器都完成时，再把结果汇集起来形成最终完整的结果！?
MapReduce在MongoDB中的使用通常有如下几个步骤：?
1》 映射（map），将操作映射到集合中的每一个文档，这个操作在文档上执行后，要么没产生任何结果，要么产生一些键值对！?
2》 洗牌（shuffle）， 这是一个中间过程。上述映射会产生一些键值对，这个动作会将这些键值对按键分组，并将值组成列表设置到对应的键中。?
3》 化简（reduce），把上述操作产生的值为列表的键值对化简为一个单值！这个键值对会被返回，他有可能还会参与下一轮的洗牌，化简操作。直到每个键的列表只有一个值为止。?
使用MapReduce的代价是速度，group操作不是很快，MapReduce更慢！不能把MapReduce应用于实时系统中！要作为后台任务来运行MapReduce，其运行完毕后，会将结果保存在一个集合中，我们后期可以对这个结果集合进行实时操作！MapReduce比较复杂，我们通过几个例子先看看具体用法：?
【例：找出集合中所有的键】?
MongoDB没有模式，因此无法通过一个文档得知这个集合有多少个键，这里我们利用MapReduce来统计一个集合中键的个数和每个键出现的次数（这里没有考虑内嵌文档的键，可以通过调整map函数实现）。我们先看看我们需要统计的集合，每个文档中键都不一致（这里只是为了测试，实际中不要设计这样的集合）：
1.
免责声明： 本文仅代表作者个人观点，与爱易网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
