【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：
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
